大学生自杀行为影响因素的分类决策树分析

为了识别大学生自杀行为的风险和保护因素。对在校大学生实施感恩问卷、自我控制双系统量表、自杀问卷及人口学信息调查,获得有效数据11288份,进行分类决策树分析。结果显示:大学生近一年内自杀意念发生率17.1%,近半年内自杀行为发生率3.8%。分类决策树分析发现,自杀意念为根节点,感恩、冲动、控制、家庭阶层、是否独生均为重要的子节点(AUC=0.959)。结论:自杀意念是大学生自杀行为最重要的近端风险因素,冲动为中端风险因素,感恩特质和适度控制分别为远端保护因素;低社会家庭阶层、中高阶层家庭的非独生子女大学生由自杀意念转变自杀行为的风险较高。

基于多模态超声建构胎儿先天性心脏病决策树模型及其应用价值

目的:分析基于多模态超声建构胎儿先天性心脏病决策树模型及其应用价值。方法:随机选取2021年4月-2023年7月在本院产前超声检查孕中期孕妇300例,常规产科超声检查确定胎儿生长程度,核实孕周,采用超声多断面模式方法对胎儿心脏进行多断面检测,包括四腔心断面、三血管断面、主动脉弓断面、左室流出道断面、右室流出道断面。对正常分娩的新生儿进行心脏多断面超声检测。对300例胎儿进行多断面模式超声检测,分析胎儿是否伴有先天性心脏畸形,对比超声检查与随访结果符合情况。结果:超声检出21例先天性心脏畸形胎儿,8例选择引产,余13例正常分娩。超声诊断与随访结果对比,卵圆孔直径增大、法洛四联症、完全型心内膜垫缺损、二尖瓣闭锁、右室发育不良综合征、左室发育不良综合征、大动脉转位、永存动脉干、单心室、三尖瓣下移符合率均为100%,超声诊断室间隔缺损7例,随访发现室间隔诊断5例,诊断符合率71.4%。279例超声诊断无先天性心脏畸形胎儿出生后经超声诊断发现有1例卵圆孔未闭、3例室间隔缺损,共4例漏诊患儿,漏诊率0.54%。四腔心断面、三血管断面、主动脉弓断面、左室流出道断面、右室流出道断面诊断胎儿畸形率分别为3.95%、0.63%、2.76%、3.27%、3.25%。由决策树模型可得,产前超声检查发现胎儿心脏可疑异常、高龄孕妇、孕妇接受药物治疗或射线暴露、孕妇有先天性心脏病家族史是胎儿存在先天性心脏病的独立危险因素,其中产前超声检查发现胎儿心脏可疑异常的影响最为显著。结论:孕中期胎儿产前超声多断面模式筛查胎儿先天性心脏病,能够对多数胎儿先天性心脏病进行诊断。

基于神经监督决策树算法的多感知GIS局部放电识别

为充分表现并利用GIS缺陷的物理联系引导故障诊断,提高GIS局部放电故障诊断方法的可靠性与可解释性,该文提出神经监督决策树算法(neural supervision decision tree,NSDT)实现GIS局部放电高准确率下的可解释故障诊断。将卷积神经网络最终线性层替换为层次结构,构建诱导层。使用树监督损失函数优化节点代表向量,并通过调整softmax函数抑制层次损失。构建监督层,通过原始神经网络输出向量对诱导层输出进行监督修正,在保留可解释性的基础上,提高识别准确率。通过110 kV声光电多感知GIS平台收集导杆尖端、外壳尖端、高压端沿面3种典型单源缺陷局放数据,并组成3种双源缺陷,测试NSDT方法性能表现。试验结果表明,NSDT多级神经决策结构能够准确地识别GIS局部放电类型,相较于卷积神经网络(convolutional neural network,CNN)等传统深度神经网络识别方法,识别可靠性更高,决策信息更加丰富,可解释性更强。

基于审美分析的口腔美容修复分类诊疗方案(一):基本概念、决策树及临床路径

当前美容修复临床方案多基于欧美国家提出的口腔美感指标(简称欧美审美)制定,但机械地照搬欧美口腔美容修复方案,忽视了其与中国人口腔美感指标(简称中式审美)的差别,是无法有效支撑国人个性化口腔美容修复诊治的。另外,近年发展迅猛的美容修复新技术、新方案层出不穷,但不少热门概念的内涵混淆不清,也缺乏应有的分级诊疗规范,急需讨论明晰。本文从服务好口腔美容修复临床运用出发,探讨了中译词“美学”的不足与误用,美学与美容的区别与联系,美容修复与固定修复的相关关系,还讨论了前牙区、美学区与暴露区的差别、口腔审美分析的诊疗价值,以及脱敏、暗示等疗法在口腔疑难美容修复病例中的运用方法。进一步介绍了审美分析引导的暴露区牙位修复重建的决策树及临床路径,并案析介绍了审美分析评估临床流程、口腔美容修复临床三分类及相应的临床分类诊疗要点。

基于决策树的川滇地区地震序列类型判定特征重要性研究

基于1966—2021年川滇地区225次5级以上地震目录、地震序列目录和历史地震震源机制资料,参考以往研究和震后趋势预测实践经验,构建了10个基于地震观测数据的机器学习序列类型判定特征样本数据集。基于地震序列分类定义,设置多震型、主余型、孤立型三类样本“标签”。对样本进行不均衡处理、对特征参数进行缺失处理后,采用决策树模型对特征参数的重要性进行研究。结果显示:不同时间段特征参数重要性类别有一定差异,随着序列数据资料的增加,序列类型判断更倚重动态的序列数据资料;主震震源机制相关参数和主震参数对序列分类有较高的贡献率,序列参数对序列分类贡献率不高。整体而言,模型给出的结果与实际经验性预报方法较为一致。

基于Python构建机器学习探究中药治疗胃癌通路决策树的规律性

目的 胃癌(Gastric cancer, GC)是高发率和致死率“双高”的癌症,临床中药复方治疗GC有大量的证据,表明中医药在GC的治疗方面有着出色的表现。文中针对治疗GC的临床中药组方开展基础性研究,利用其他学科较为成熟的研究思路和研究方式,探究中医药在不同维度层面的规律性。方法 筛选中国知网数据库及中药系统药理学数据库与分析平台(TCMSP)(http://tcmspw.com/tcmsp.php)、BATMAN-TCM数据库(http://bionet.ncpsb.org.cn/batman-tcm/index.php/)、SymMap数据库(http://www.symmap.org)建库至2023年3月30日期间治疗GC的文献,利用Python构建决策树模型,通过文献统计有临床治疗证据的GC复方,对高频出现的药物进行分子层面的研究,形成“中药-治疗通路”矩阵,再将无临床证据的“中药-治疗通路”矩阵送入决策树模型进行学习修正,获得治疗通路的关联队列,并通过生物信息学数据分析验证决策树模型的输出结果。结果 (1)筛选出GC高频治理中药共计26味,如白术、黄芪和茯苓等;(2)找到与GC有关的通路共计225条;(3)Python构建的决策树模型进行熵值计算,在225条有临床证据的中药蛋白富集的通路中寻找到的18条对GC有重要作用的通路;(4)决策树模型计算出“Chemical carcinogenesis-Tryptophan metabolism-PI3K-Akt signaling pathway-Antigen processing and presentation”关联队列;(5)18条通路在对不同标签中药出现不同的表现,“No”标签中药的高值(深色区域)相对集中分布,而“Yes”标签中药的高值(深色区域)相对散在分布;(6)q值和p值聚类结果提示“Fatty acid biosynthesis”和“Antigen processing and presentation”均指向“1-Yes”“Vibrio cholerae infection”和“Dilated cardiomyopathy”均指向“1-No”“Breast cancer”和“Protein digestion and absorption”均指向“0-Yes”。结论 “Chemical carcinogenesis-Tryptophan metabolism-PI3K-Akt signaling pathway-Antigen processing and presentation”通路队列,是GC中药治疗通路中的关联队列。生物信息学结果与Python构建机器学习决策树模型结果在判别是否具有GC治疗作用上有着高度相似性,从生物信息学层面印证了决策树算法模型结果的准确性。同时,利用Python构建成熟的计算机模型可以从不同的角度去研究临床复方中药在疾病治疗中的规律性,是临床中药组方研究的一种新的尝试,结合多学科多角度的分析,对中医药的现代研究有积极的推动作用,并且对人类健康发展有着重要意义。

院外心脏骤停患者良好神经功能预测因素与决策树预测模型构建

目的探讨院外心脏骤停(OHCA)患者良好神经功能预测因素并构建决策树预测模型。方法回顾性分析2018年1月至2022年12月沧州市中心医院急诊重症监护病房(EICU)收治的117例OHCA并行心肺复苏(CPR)成功患者的临床资料。根据心脏骤停后3个月时的格拉斯哥-匹兹堡脑功能分级将患者分为良好神经功能组(1~2级)和不良神经功能组(3~5级)。通过单因素及多因素Logistic回归分析识别OHCA患者3个月良好神经功能的预测因素,并基于预测因素构建决策树预测模型。应用受试者工作特征曲线下面积(AUC)评估决策树预测模型的区分度,校准曲线评估决策树预测模型预测结局与观察结局的一致性,决策曲线分析评估决策树预测模型的临床实用性。结果29.1%(34/117)的OHCA患者具有良好神经功能。与不良神经功能组相比,良好神经功能组患者多接受旁观者CPR(χ^(2)=4.81,P=0.028)、可除颤心律比例高(χ^(2)=8.74,P=0.003)、CPR持续时间短(Z=3.36,P=0.001)、肾上腺素用量低(Z=4.69,P<0.001)及血乳酸水平低(Z=3.83,P<0.001)。单因素Logistic回归分析结果显示,旁观者CPR(OR=0.34,95%CI 0.13~0.92,P=0.033)、可除颤心律(OR=0.20,95%CI 0.07~0.63,P=0.006)、CPR持续时间(OR=1.08,95%CI 1.02~1.14,P=0.010)、肾上腺素用量(OR=1.64,95%CI 1.28~2.09,P<0.001)及血乳酸(OR=1.20,95%CI 1.09~1.33,P<0.001)为OHCA患者良好神经功能的独立预测因素。多因素Logistic回归分析结果显示,可除颤心律(OR=0.25,95%CI 0.06~0.95,P=0.041)、CPR持续时间(OR=1.07,95%CI 1.00~1.14,P=0.047)、肾上腺素用量(OR=1.95,95%CI 1.29~2.94,P=0.001)及血乳酸(OR=1.13,95%CI 1.01~1.26,P=0.042)为OHCA患者良好神经功能的独立预测因素。决策树预测模型预测OHCA患者良好神经功能的AUC为0.829(95%CI 0.745~0.912),其敏感度为70.6%,特异度为86.7%。校准曲线图表明决策树预测模型的预测结局与观察结局相一致。决策曲线分析证实决策树预测模型的临床可用性良好。结论可除颤心律、CPR持续时间、肾上腺素用量及血乳酸为OHCA患者良好神经功能的预测因素,决策树模型可预测OHCA患者良好神经功能。

基于决策树模型HC25病组DRGs细分组及住院费用的影响因素研究

目的构建基于决策树模型HC25病组患者DRGs细分组的研究及住院费用的影响因素。方法收集西安交通大学第一附属医院2020年1月至2022年6月依据CHS-DRG分组方案进入HC25(胆囊切除术,不伴并发症或合并症)病组患者的病案首页数据(n=3844),通过单因素和多因素分析了解影响住院费用的主要因素,通过建立决策树模型进行病例组合,分析分组效果及不同分组的费用标准。结果正态性检验结果显示:住院费用呈偏态分布(χ2=0.197,P<0.001);单因素方差分析结果显示:住院费用在不同年龄、性别、手术方式、患者来源、医疗付费方式、入院病情危重情况、术前时间、住院时间、是否有再住院计划之间,差异有统计学意义(P均<0.05);多重线性逐步回归分析结果显示,影响住院费用显著性差异的因素从大到小依次为:住院时间、手术方式、入院病情危重情况、性别、术前时间、患者来源、再住院计划(P均<0.05);采用CHAID共生成了7个DRGs分组,第一层分类节点变量是手术方式,第二层是术前时间、住院时间,第三层是入院时病情危重情况;不同DRGs组合的住院费用比较,差异有统计学意义(χ2=2474.595,P<0.001),组合DRGs(1)的住院费用最高,权重最高;DRGs(7)的住院费用最低,权重最小;所有DRGs病组中超标费用患者共170例(4.42%),各组超标费用比例均<10%。结论基于决策树模型对HC25病组的细分组效果合理有效,能较客观反映医疗资源消耗水平。

基于决策树模型的城市人群稳态分布预测实证——以泉州湾片区为例

基于预测的城市人群时空变化特征对城市空间资源进行配置是城市规划的重要工作,城市人口在不同的空间中快速变迁移动,具有非均衡分布的特点。这种人群非均衡分布的时空变化具有一定的规律性,即稳态分布。本文基于LBS数据以及建成环境的多源异构大数据,选取4大类36小类指标,采用智能决策树模型构建城市人群稳态分布的预测模型。对于泉州的实证发现,预测模型的准确度达84.32%,具有较高的准确性和依据,其内在理论依据是城市人群在空间上的规律性时空活动,能够为未来的城市规划提供决策参考。

基于决策树模型的中医特色医保付费方式研究——以结直肠恶性肿瘤为例

目的:以结直肠恶性肿瘤住院患者为例,探索适合中医医疗机构的医保付费方式。方法:使用2021年北京市部分中医及综合医院住院患者病案首页数据,选取结直肠恶性肿瘤病例28083例。采用非参数检验、多元线性回归分析确定住院费用影响因素,以决策树模型构建病组分组方案。结果:以是否手术、其他诊断数量和中医治疗费用占比等8个费用影响因素作为住院费用分类节点纳入决策树模型,形成12个病例组,CV及RIV值显示分组结果较好。结论:将代表中医特色的指标“中医治疗费用占比”作为分类节点纳入分组模型,能够得到体现中医特色的结直肠恶性肿瘤治疗分组方案,为建立适合中医医疗机构的医保付费方式提供参考。

决策树算法在机械臂碰撞规避方法中的应用

针对机械臂在复杂环境作业时,由于碰撞规避方法的碰撞检测效果差、障碍物规避效果不佳,导致机械臂频繁发生碰撞的问题,提出一种应用决策树算法的机械臂碰撞规避方法。通过分析机械臂运动学结构,获取机械臂运动学方程,结合二次投影法将机械臂碰撞过程,简化为三维视角下包围盒相交情况的判断过程,检测机械臂碰撞情况,通过浓度函数采集三维空间中包围盒预计位移信息,建立基于预计位移信息的决策树模型,获取机械臂碰撞规避行为最优决策信息,实现机械臂规避碰撞。实验结果表明,应用决策树算法的机械臂碰撞规避方法仅需0.29s有效检测出碰撞,在复杂环境下,规划的碰撞规避路线中机械臂与障碍物未发生碰撞,因此,该方法有效提高了机械臂碰撞规避的效果。

基于多信息融合的换流站直流设备健康状态决策树评价模型

针对换流站直流设备间交互信息融合能力较差、小样本与大样本难以均衡的问题,设计基于多信息融合的换流站直流设备健康状态决策树评价模型。使用同质多传感器多信息数据融合方法对多信息实施融合处理;利用k近邻方法和层次聚类方法划分换流站直流设备健康状态量,提取健康状态量的有效信息作为输入,构建决策树评价模型,输出换流站直流设备健康状态评价结果。实验结果表明,该模型具备较好的多信息融合能力和样本均衡能力,且可从不同角度实现换流站直流设备健康状态评价,评价结果较为准确。

基于决策树算法的实践类课程分层教学研究

分层教学是满足不同学生群体的学习需求最有效的教学模式,根据学生学习能力不同,对学生进行精准分类是成功实施分层教学的关键。该文以液压与气动技术课程设计与实验课程为例,分析了影响学生课程设计能力的主要因素,根据支撑本课程的知识体系和培养目标,确定了学生的分类属性,采用决策树智能算法,以往届学生的数据为样本,建立了决策树分类模型,并分析了模型的有效性。

基于决策树算法的高职奖助金精准评判研究

随着教育信息化的不断深入,如何从海量校园数据中挖掘出与奖助金判定相关的特征及判定方法值得思考。文章以学生在校成绩、消费、奖惩、贫困、证书等维度数据为基础,通过量化计算形成评定特征数据,以决策树算法ID3、C4.5和CART为依托,预测学生是否应该获得奖助金,通过对样本数据进行训练测试分析,表明决策树算法可以预测判定结果。

油气场站火灾爆炸风险的神经支持决策树识别与预测

为了有效防控油气场站火灾爆炸事故,从影响因素之间因果关系的角度出发,提出利用神经支持决策树(Neural-Backed Decision Tree,NBDT)算法构建油气火灾爆炸可解释预测模型。该方法利用词频逆向文件频率(Term Frequency-Inverse Document Frequency,TF-IDF)算法从风险描述信息中提取出关键词并计算权重,整合得到64个风险二级因素,构建了油气场站的火灾爆炸数据集;采用神经支持决策树算法构建分类模型,对油气场站火灾爆炸事故进行预测和可解释分析,可以基于数据可视化地分析油气火灾爆炸事故的风险与诱因。结果表明,NBDT模型预测准确率为0.976,AUC为0.913,明显优于其他模型;模型可视化结果分别从单因素和多因素角度分析,确立7种二级风险主控因素和6种二级风险组合主控因素。13种风险主控因素的确立,可以为既有油气场站火灾爆炸预测和防控机制提供理论支撑。

不确定大数据流分类的决策树模型构建仿真

在不确定大数据流分类过程中,受噪声和孤立点的干扰,导致处理效果和分类精度无法达到预期要求。为解决上述问题,提出一种基于决策树模型的不确定大数据流分类算法。通过采用在线字典学习算法,对不确定大数据流去噪处理,消除噪声对分类过程产生的干扰。构建决策树,在剪枝过程中通过特征过滤算法,滤除不确定大数据流中掺杂的孤立点。将去噪后的不确定大数据流,输入决策树模型中,完成分类工作。实验结果表明,所提算法处理后的不确定大数据流振幅明显减小,且分类精度高,具有一定的应用价值。

基于电信业调查数据决策树模型的案例教学研究

案例教学法如何较好地应用于机器学习等数据分析类课程,一直是数据科学等专业课程教学研究的热点问题。对此,基于一项电信业调查数据,尝试对机器学习课程中决策树模型进行案例教学研究。首先,结合案例教学目标和案例背景,对课前准备、时间安排和教学内容等课堂教学方面进行了整体性设计研究;其次,从案例数据描述统计分析、特征选择、决策树模型建立和实证结果分析等方面,对案例教学的数据分析过程进行了系统阐释;最后,根据案例实证结果解读,归纳总结出了电信流失客户的基本特征,得出了具有一定应用价值的案例研究结论,为取得案例教学的良好成效奠定了基础。

决策树优化选择下城市交通出行特征研究

文中对基于决策树优化选择下城市交通出行特征进行研究,通过研究城市交通出行方式,缓解城市交通出行压力。基于决策树算法基本理论,构建决策树模型,选取城市交通出行特征作为分类依据,运用C4.5决策树算法对城市交通出行数据进行分类,根据分类后各个不同特征叶子节点对上层子节点的总占比进行城市交通出行特征优化选择分析,并在“Occam's razor”的基础上,利用重新引入法提出优化方法,解决C4.5决策树算法存在的过度拟合问题,提升城市交通出行方式分析效果。实验结果表明,该方法可有效分析城市交通现有出行特征,指导城市交通规划,依据该方法的分析结果对早高峰线路进行优化后,有效减少了长距离拥堵路段,同时避免了严重阻塞路段的产生。

基于决策树的图书馆文献资源智能检索方法

当前图书馆文献资源类型存在差异,检索过程中排序效果差,提出一种基于决策树的图书馆文献资源智能检索方法。智能检索中需要图书馆文献资源库去除噪声,获取有效数据,使用Skip-gram模型进行文字类资源特征提取,利用卷积神经网络作为图像文献资源的特征提取工具,提取过程采用Dropout机制随机断开部分网络连接,利用决策树从无规则次序数据库中推理出分类规则,计算属性与图书馆文献类型之间相关性,完成智能检索。测试结果表明:所提方法在不同数据集下的资源排序质量均优于传统检索方法。

基于决策树模型的罗湖区人工流产方式流行病学特征及影响因素研究

目的:探讨基于决策树模型的罗湖区人工流产方式的流行病学特征及其影响因素。方法:回顾性纳入深圳罗湖区医院集团所属医疗机构在2021年9月—2022年10月收治的人工流产女性共9 245例,根据人工流产方式将其划分为药物组(2 004例)和手术组(7 241例),进行数据分析和结果评估。采用单因素和多因素法对人工流产方式的流行病学特征进行分析,确定影响人工流产方式选择的独立因素;同时基于决策树模型评估药物组和手术组两种人工流产方式的优缺点。结果:单因素分析结果显示,孕周、年龄、人工流产方式偏好情况、受教育程度、婚姻状况及生育情况均可能与人工流产方式选择有关(P<0.05)。多因素分析结果显示,孕周、年龄、人工流产方式偏好情况、受教育程度及生育情况是影响人工流产方式选择的独立因素(P<0.05)。决策树模型构建结果显示,孕周、人工流产方式偏好情况、婚姻状况及生育情况可直接影响人工流产方式选择,其中人工流产方式偏好情况影响最为显著。决策树模型预测分类与真实分类基本一致,模型预测错误率为10.00%,说明决策树模型的预测错误率与Logistic回归模型相同,均为10.00%,表明该模型具有良好的拟合度。结论:罗湖区人工流产方式选择受孕周、人工流产方式偏好情况、婚姻状况及生育情况等因素影响。其中,人工流产方式偏好情况对人工流产方式选择的影响最为显著。这些发现有助于优化人工流产的个体化治疗策略,提高人工流产个体的医疗体验和治疗效果。