您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览9 | 下载2

目的/意义 运用决策树分类模型模拟专家问诊思路,预测潜在或已有乳腺肿瘤患者的疾病风险.方法/过程 采用C4.5经典分类算法和悲观剪枝法,对调研收集的病例数据进行患者预问诊的结果预测.结果/结论 生成一棵以"术后化疗or放疗在院是否结束"为根节点、拥有76个叶子节点的C4.5决策树,预测准确率达95%,并根据分类标签划分为3个风险等级.

作者:王世文;李一凡;郑群;曹旭晨

来源:医学信息学杂志 2023 年 44卷 8期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:9 | 下载:2
作者:
王世文;李一凡;郑群;曹旭晨
来源:
医学信息学杂志 2023 年 44卷 8期
标签:
乳腺肿瘤 C4.5算法 决策树 模型构建 breast tumor C4.5 algorithm decision tree model construction
目的/意义 运用决策树分类模型模拟专家问诊思路,预测潜在或已有乳腺肿瘤患者的疾病风险.方法/过程 采用C4.5经典分类算法和悲观剪枝法,对调研收集的病例数据进行患者预问诊的结果预测.结果/结论 生成一棵以"术后化疗or放疗在院是否结束"为根节点、拥有76个叶子节点的C4.5决策树,预测准确率达95%,并根据分类标签划分为3个风险等级.