决策树模型及其在分析中的应用

龙源期刊网

决策树在就业数据分析中的应用

作者：彭少芬

来源：《大经贸·创业圈》2019年第06期 龙源期刊网 龙源期刊网

【摘 要】 在就业中，有许多因素决定着你最终就业单位的性质。为了能有效的分析就业因素的具体影响，在这里采用决策树算法，先利用信息熵和各个属性的信息增益找到划分点，依次类推直至属性无法再划分，在进行分析。

【关键词】 决策树 ID3算法 信息熵 信息增益

1.前 言

自各大高校对于研究生进行扩招以来，毕业生数量急剧攀升。就业竞争越来越大，就业问题也日益突出，必须解决，否则不仅影响到学生的本身利益，也会影响到经济和社会的可持续发展，学校一般都建立了学生管理系统，保存有大量的学生就业历史数据，我们通过分析这些数据，从中找出影响就业的主要因素。从而为各大高校和学生就业培养提供有效建议。 龙源期刊网

2.决策树算法

决策树学习的目的是产生一棵泛化能力强，即处理未知样本能力强的决策树。决策树属性划分原则是希望随着划分过程的进行，决策树的分支结点所包含的样本尽可能属于同一类别，即结点的纯度越来越高。

构造树的步骤：

训练样本的信息值。

第一棵树，属性，各叶节点的信息值。

第一棵树，属性，导致的信息增益。

依次，计算每棵树导致的信息增益。

选择获得最大信息增益的属性进行划分。

以此类推，递归，继续划分

当所有叶节点都是纯的，划分过程终止

属性停止划分条件：

当前结点所包含的样本属于同一类，无需划分。

当前属性集为空，或所有样本在所有属性上取值相同，无法划分

当前结点包含的样本集合为空，不能划分。

3.决策树算法的实际运用

决策树在就业数据分析中的应用

作者：彭少芬

来源：《大经贸》 2019年第6期

彭少芬

【摘 要】 在就业中，有许多因素决定着你最终就业单位的性质。为了能有效的分析就业因素的具体影响，在这里采用决策树算法，先利用信息熵和各个属性的信息增益找到划分点，依次类推直至属性无法再划分，在进行分析。

【关键词】 决策树 ID3算法 信息熵 信息增益

1.前 言

自各大高校对于研究生进行扩招以来，毕业生数量急剧攀升。就业竞争越来越大，就业问题也日益突出，必须解决，否则不仅影响到学生的本身利益，也会影响到经济和社会的可持续发展，学校一般都建立了学生管理系统，保存有大量的学生就业历史数据，我们通过分析这些数据，从中找出影响就业的主要因素。从而为各大高校和学生就业培养提供有效建议。

2.决策树算法

决策树学习的目的是产生一棵泛化能力强，即处理未知样本能力强的决策树。决策树属性划分原则是希望随着划分过程的进行，决策树的分支结点所包含的样本尽可能属于同一类别，即结点的纯度越来越高。

构造树的步骤：

训练样本的信息值。

第一棵树，属性，各叶节点的信息值。

第一棵树，属性，导致的信息增益。

依次，计算每棵树导致的信息增益。

选择获得最大信息增益的属性进行划分。

以此类推，递归，继续划分

当所有叶节点都是纯的，划分过程终止

属性停止划分条件:

当前结点所包含的样本属于同一类，无需划分。

当前属性集为空，或所有样本在所有属性上取值相同，无法划分

当前结点包含的样本集合为空，不能划分。

3.决策树算法的实际运用

3.1相关数据及说明

我们找到最能影响就业的主要因素有：专业成绩，政治面貌，奖励情况，社会实践经验、科研能力。在这里将就业单位作为决策变量。

§6 决策树法

对较为复杂的决策问题，特别是需要做多个阶段决策的问题，最常用的方法是决策树法。决策树法是把某个决策问题未来发展情况的可能性和可能结果所做的预测用树状图画出来。其步骤如下：

1、用方框表示决策点。从决策点画出若干条直线或折线，每条线代表一个行动方案，这样的直线或折线称为方案枝。

2、在各方案枝的末端画一个园圈，称为状态点，从状态点引出若干直线或折线，每条线表示一个状态，在线的旁边标出每个状态的概率，称为概率枝。

3、把各方案在各个状态下的损益期望值算出标记在概率枝的末端。

4、把计算得到的每个方案的损益期望值标在状态点上，然后通过比较，选出损益期望值最小的方案为最优方案。

例1 某厂准备生产一种新产品，产量可以在三种水平n1、n2、n3中作决策。该产品在市场上的销售情况可分为畅销、一般和滞销三种情况，分别为S1、S2、S3。通过调查，预测市场处于这三种情况的概率分别为0.5、0.3、0.2。三种决策在各种不同市场情况下的利润见下表：

表1 基于各种决策的各种市场情况的利润表（万元）

市场情况

S1 S2 S3

决

策 产量 n1 90 30 -60

产量 n2 60

50 -10

产量 n3 10 9 -6

概率 0.5 0.3 0.2

我们可以计算每种决策下利润的期望值：

实行在水平n1下生产的利润的期望值为：90×0.5+30×0.3-60×0.2=42

实行在水平n2下生产的利润的期望值为：60×0.5+50×0.3-10×0.2=43

实行在水平n3下生产的利润的期望值为：10×0.5+9×0.3-6×0.2=6.5

由于在水平n2下生产利润的期望值最大，因而应选择产量水平n2生产。

可以应用决策树帮助解决这样的决策问题，把各种决策和情况画在图1上：

图1 n1 n2 n3

-60 30 90 60 50 -10 10 9 -6 0.5 0.3 0.2 0.5 0.3 0.2 0.5 0.3 0.2 42 43 6.5 图中的方框（□）称为决策点，圆圈（○）称为状态点，从方框出发的线段称为对策分支，表示可供选择的不同对策。在圆圈下面的线段称为概率分支，表示在此种对策下可能出现的各种情况。在概率分支上注明了该情况出现的概率。在每一个概率分支的末端注明了对应对策和对应情况下的收益（利润）。在计算时，我们把相应的期望值写在相应的状态点旁边，再由比较大小后选择最优决策，在图上用∥表示舍弃非最优的对策，并在决策点上注明最优决策所对应的期望利润。

决策树模型在临床研究数据分析中的应用

作者：沈范玲子 王瑞平

来源：《上海医药》2024年第05期

摘 要 决策树模型是一种有监督的机器学习方法，分类规则通常采取IF-THEN形式，分析结果常以树形图呈现，具有可解释性强、易于理解的优势，在灾害预测、环境监测、临床诊疗决策等领域均有广泛的应用。本文从决策树模型概念入手，介绍了决策树模型的一般构建步骤、分类与回归树（classification and regression tree， CART）决策树模型在临床研究数据分析中的应用，并应用SPSS软件示例CART决策树模型的构建过程和实现方法，以期为临床研究者采用决策树模型进行数据分析提供参考。

关键词 决策树 临床研究 CART算法 SPSS软件

中图分类号：G304； R-3 文献标志码：C 文章编号：1006-1533（2024）05-0014-05

引用本文 沈范玲子， 王瑞平. 决策树模型在临床研究数据分析中的应用[J]. 上海医药，

2024， 45（5）： 14-18.

基金项目：上海市卫生健康委员会卫生行业临床研究专项（202240371）；上海申康医院发展中心第二轮促进市级医院临床技能与临床创新三年行动计划——研究型医师创新转化能力培训项目（SHDC2022CRS053）；上海市皮肤病医院引进人才科研基金项目（2021KYQD01）；上海人才发展基金资助项目（2021SHRCFZ01）；上海市医院协会医院管理研究基金项目（X2022117）

Application of decision tree modeling in clinical research data analysis

SHEN Fanlingzi1， WANG Ruiping1，2

（1. School of Public Health， Shanghai University of Traditional Chinese Medicine，