[發(fā)明專利]構(gòu)建房顫預(yù)測(cè)決策樹的方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201811069328.3
• 申請(qǐng)日: 2018-09-13
• 公開（公告）號(hào): CN110895669A
• 公開（公告）日: 2020-03-20
• 發(fā)明（設(shè)計(jì)）人: 張敏;張樹龍;汪祖民;楊慧英
• 申請(qǐng)（專利權(quán)）人: 大連大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G16H50/20
• 代理公司: 大連智高專利事務(wù)所(特殊普通合伙) 21235
• 代理人: 劉斌

1.一種構(gòu)建房顫預(yù)測(cè)決策樹的方法，其特征在于：包括：

步驟1：如果數(shù)據(jù)集S屬于同一個(gè)類別，則創(chuàng)建一個(gè)葉子結(jié)點(diǎn)，并標(biāo)記相應(yīng)類標(biāo)號(hào)，停止構(gòu)建樹；否則，進(jìn)行步驟2；

步驟2：計(jì)算數(shù)據(jù)集S中所有屬性的信息增益率Gain-rate(A)；

步驟3：選取最大信息增益率的屬性A；

步驟4：將屬性A建立為決策樹T的根節(jié)點(diǎn),T是要構(gòu)建的決策樹；

步驟5：根據(jù)屬性A的不同取值對(duì)數(shù)據(jù)集進(jìn)行劃分成多個(gè)子集，對(duì)子集Sv循環(huán)執(zhí)行步驟1-4，構(gòu)建子樹Tv，Sv是屬性A取值為v的樣本子集；

步驟6：將子樹Tv添加到?jīng)Q策樹T相應(yīng)的分支中；

步驟7：循環(huán)結(jié)束，得出決策樹T。

2.如權(quán)利要求1所述的構(gòu)建房顫預(yù)測(cè)決策樹的方法，其特征在于：數(shù)據(jù)處理的方法是：對(duì)于類標(biāo)簽缺失，直接刪除該條信息；對(duì)于屬性值缺失的，將值并入最常見的某一類中或者以最常用的值代替；處理連續(xù)值首先要多數(shù)據(jù)進(jìn)行排序，以每個(gè)數(shù)據(jù)為閾值劃分?jǐn)?shù)據(jù)集，計(jì)算各個(gè)劃分的信息增益，根據(jù)最大增益選擇閾值，使用閾值對(duì)數(shù)據(jù)集進(jìn)行劃分。

3.如權(quán)利要求1所述的構(gòu)建房顫預(yù)測(cè)決策樹的方法，其特征在于：對(duì)決策樹進(jìn)行剪枝操作：

1)分別計(jì)算三種預(yù)測(cè)錯(cuò)分樣本數(shù)：計(jì)算子樹Tv的所有葉節(jié)點(diǎn)預(yù)測(cè)錯(cuò)分樣本數(shù)之和，記為E1；計(jì)算子樹Tv被剪枝以葉節(jié)點(diǎn)代替時(shí)的預(yù)測(cè)錯(cuò)分樣本數(shù)，記為E2；計(jì)算子樹Tv的最大分支預(yù)測(cè)錯(cuò)分樣本數(shù)，記為E3；

2)進(jìn)行比較：E1最小時(shí)，不剪枝；E2最小時(shí)，進(jìn)行剪枝，以一個(gè)葉節(jié)點(diǎn)代替子樹Tv；E3最小時(shí)，用最大分支代替子樹Tv。

4.如權(quán)利要求1所述的構(gòu)建房顫預(yù)測(cè)決策樹的方法，其特征在于：根據(jù)信息增益率選擇分裂屬性：

信息熵的公式為：

Info_Gain(A)＝H(S)-H(A)

其中S代表數(shù)據(jù)集，c_i代表數(shù)據(jù)集的第i個(gè)分類，p(c_i)代表c_i這個(gè)類別被選擇的概率；

在決策樹劃分時(shí)，計(jì)算的一般是某個(gè)特征屬性的信息熵，假設(shè)特征屬性A有n個(gè)不同的值，則特征屬性A將數(shù)據(jù)集S劃分成n個(gè)小數(shù)據(jù)集，用s_i表示，每個(gè)小數(shù)據(jù)集被選擇的概率為p(s_i)，根據(jù)公式(1)可知，每個(gè)小數(shù)據(jù)集s_i的信息熵為H(s_i)，特征屬性A的信息熵計(jì)算公式為：

信息增益計(jì)算公式為：

Info_Gain(A)＝H(S)-H(A) (3)

信息增益率計(jì)算公式為：

5.如權(quán)利要求1所述的構(gòu)建房顫預(yù)測(cè)決策樹的方法，其特征在于：通過改變決策樹算法的參數(shù)，不斷調(diào)整所構(gòu)造的決策樹，使得構(gòu)造的決策樹準(zhǔn)確率和分支屬性值都達(dá)到最優(yōu)：J48算法可修改參數(shù)共有11項(xiàng)，其中binarySplits、debug、saveInstance、subtreeRaising、unpruned、useLaplace均采用默認(rèn)值，對(duì)ConfidenceFactor、minNumObj、numFolds、seed、ReduceErrorPruning五個(gè)參數(shù)進(jìn)行修改、驗(yàn)證以不斷逼近醫(yī)療數(shù)據(jù)的準(zhǔn)確值；將做完數(shù)據(jù)處理的數(shù)據(jù)文件放入weka軟件中，選取算法以及對(duì)算法相應(yīng)的參數(shù)進(jìn)行修改，運(yùn)行出結(jié)果，對(duì)各種參數(shù)可能的取值均進(jìn)行實(shí)驗(yàn)，最后選取最優(yōu)實(shí)驗(yàn)結(jié)果。

6.如權(quán)利要求5所述的構(gòu)建房顫預(yù)測(cè)決策樹的方法，其特征在于：實(shí)驗(yàn)分為兩支。

7.如權(quán)利要求6所述的構(gòu)建房顫預(yù)測(cè)決策樹的方法，其特征在于：第一分支實(shí)驗(yàn)，對(duì)心臟超聲指標(biāo)的若干項(xiàng)屬性進(jìn)行實(shí)驗(yàn)，其中最后一列為類標(biāo)簽，f為房顫，z為正常，算法的各個(gè)參數(shù)均使用默認(rèn)值；根據(jù)決策樹可知，在心臟超聲的屬性中，對(duì)房顫影響大的為A峰、ef和lasd三個(gè)屬性。