CRDT：基于相关比的决策树模型用于医疗数据挖掘
人工智能
2015-09-29 v1 数据库
摘要
医疗数据的惊人增长激励我们研究鲁棒且可扩展的数据挖掘模型。对于分类问题，基于信息增益(IG)的决策树是流行选择之一。然而，取决于数据集的性质，基于IG的决策树可能并不总是表现良好，因为它偏好具有更多不同值的属性作为分裂属性。医疗数据集通常具有许多属性，且每个属性一般有许多不同值。在本文中，我们在分析所提方法的性能时试图关注数据集的这一特征，该方法是决策树模型的一个变体，使用了相关比(CR)的概念。与基于IG的方法不同，这种基于CR的方法对具有更多不同值的属性没有偏倚。我们将模型应用于一些基准医疗数据集以展示所提技术的有效性。
引用
@article{arxiv.1509.07266,
title = {CRDT: Correlation Ratio Based Decision Tree Model for Healthcare Data Mining},
author = {Smita Roy and Samrat Mondal and Asif Ekbal},
journal= {arXiv preprint arXiv:1509.07266},
year = {2015}
}