分类树中C&RT算法与判别分析的比较及其医学应用

• 作者: 张超
• 来源期刊: 数理医药学杂志
• 学科: 医学
• 关键词: C&RT算法,线性判别分析 交叉验证 错分率
• 年，卷（期）: 2008,（2）
• 所属期刊栏目: 方法评介
• 页码范围: 139-141
• 页数: 3页
• 分类号: R311
• 字数: 2763字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-4337.2008.02.005

摘要

目的:探讨分类树中C＆RT算法和判别分析在数据分析应用中的区别.方法:首先介绍模型的基本原理,据此对方法间的优缺点进行比较,然后采用实例进行分析介绍,并报告模型的树型图,10折交叉验证的预测准确率.结果:C&RT算法是非参数、非线性的,对变量不同属性的适应是非常灵活地;C＆RT在构造树模型时是单变量拆分和递归的,故能够明显细分危险因素.结论:C&RT算法和判别分析模型各有优势,根据数据特点及专业背景合理分析与解释,将能保证分析的正确性和完善性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张超	南方医科大学公共卫生与热带医学学院生物统计学系	56	467	9.0	20.0