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78 | 下载26

中医院校的贫困生认定工作是非常重要的,但是目前的认定方法还存在着不科学不公正等问题.为完善贫困生的认定工作,本文基于随机森林分类算法,对贫困生的认定进行研究.在相同的数据集中,分别使用决策树算法和随机森林算法对贫困生进行分类,决策树算法的平均正确率为74.43%,而随机森林算法模型的平均正确率为85%,并进一步对两种算法进行比较.实验证明,随机森林算法分类正确率较高,适合贫困生的认定工作.随机森林为贫困生的认定提供了一种新方法.

作者:唐燕;王苹

来源:中国医药导报 2017 年 14卷 14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:78 | 下载:26
作者:
唐燕;王苹
来源:
中国医药导报 2017 年 14卷 14期
标签:
贫困生认定 随机森林 决策树 机器学习 Poor students identification Random forest Decision tree Machine learning
中医院校的贫困生认定工作是非常重要的,但是目前的认定方法还存在着不科学不公正等问题.为完善贫困生的认定工作,本文基于随机森林分类算法,对贫困生的认定进行研究.在相同的数据集中,分别使用决策树算法和随机森林算法对贫困生进行分类,决策树算法的平均正确率为74.43%,而随机森林算法模型的平均正确率为85%,并进一步对两种算法进行比较.实验证明,随机森林算法分类正确率较高,适合贫困生的认定工作.随机森林为贫困生的认定提供了一种新方法.