基于决策树算法的医疗大数据填补及分类仿真
从大数据的基本特点和医疗大数据研究现状出发，分析处理过程中存在的问题，提出在决策树算法下的医疗大数据填补及分类方法。分析医疗数据的关联规则。采用关联分析（Apfiofi）算法和频繁模式树（Frequent Pattern Growth，FP—Growth）算法挖掘数据。以挖掘数据为基础填补其中的缺失数据，按照医疗数据特点搭建决策树，并运用ID3和c4．5决策树算法，实现医疗大数据的分类，得出数据分类结果。由仿真得出，与传统方法相比，填补量提高了50％，分类精度提高了11．40％、14．80％，无论从数据的填补方面还是分类方法，上述方法均有较高的应用价值，为医疗大数据体系的构建开辟了新的思路。
- 2021-06-21
- 阅读239
- 下载0
- 5页
- pdf
