基于決策樹的出生缺陷預(yù)警系統(tǒng)研究與實(shí)現(xiàn).pdf

1、出生缺陷是全世界面臨的重要公共衛(wèi)生問題。出生缺陷的發(fā)生給家庭和社會(huì)帶來了諸多壓力，嚴(yán)重的阻礙了人口的可持續(xù)發(fā)展。中國是世界上人口出生缺陷率最高的國家之一，并且我國出生缺陷的發(fā)生呈上升趨勢(shì)，對(duì)控制出生缺陷這類非傳染性疾病的傳統(tǒng)研究采用的是線性還原式的研究方法，這種方法存在著相當(dāng)?shù)木窒扌?。針?duì)傳統(tǒng)研究的局限性，本文將數(shù)據(jù)挖掘算法引入出生缺陷發(fā)生規(guī)律的研究中. 數(shù)據(jù)挖掘是當(dāng)前國際學(xué)術(shù)界一項(xiàng)前沿的研究課題，它是一個(gè)多學(xué)科領(lǐng)域。涉及了數(shù)據(jù)

2、庫技術(shù)、人工智能、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、統(tǒng)計(jì)學(xué)、模式識(shí)別、知識(shí)庫系統(tǒng)、知識(shí)獲取等諸多領(lǐng)域。數(shù)據(jù)挖掘(DataMining)，也稱之為數(shù)據(jù)庫中知識(shí)發(fā)現(xiàn)，是自動(dòng)的或方便的模式提取，這些模式代表隱藏在大型數(shù)據(jù)庫、數(shù)據(jù)倉庫或其他大量信息存儲(chǔ)中的知識(shí)。分類是數(shù)據(jù)挖掘的重要內(nèi)容之一。目前，分類已廣泛應(yīng)用于許多領(lǐng)域，如醫(yī)療診斷、天氣預(yù)測、信用證實(shí)、顧客區(qū)分、欺詐甄別。 挖掘分類模式的方法有多種，如決策樹方法、貝葉斯網(wǎng)絡(luò)、后向傳播法、遺傳算法、基

3、于關(guān)聯(lián)的分類方法、粗糙集和模糊集方法等等。其中決策樹方法在海量數(shù)據(jù)中的應(yīng)用最為廣泛。決策樹因其結(jié)構(gòu)象一棵樹，而且可以用于決策而得名。ID3和C4.5是兩個(gè)最為著名的決策樹分類算法，是Quinlan為了從數(shù)據(jù)中歸納分類模型而構(gòu)造的算法。C4.5算法繼承了ID3的全部優(yōu)點(diǎn)。它是一種歸納學(xué)習(xí)算法，先從所有的事例中選取一部分構(gòu)造決策樹，再用剩下的事例測試決策樹并對(duì)它進(jìn)行調(diào)整。它不僅能處理連續(xù)值類型的屬性，還可以對(duì)屬性的取值集合進(jìn)行等價(jià)類劃分，劃