葛朋,彭梦晶

1.重庆市中医院信息科,重庆400010

2.重庆市中医院设备处,重庆400010

决策树算法在分类预测中的应用与优化

葛朋1,彭梦晶2

1.重庆市中医院信息科,重庆400010

2.重庆市中医院设备处,重庆400010

决策树是一类常见的机器学习方法，具有属性结构和较好的分类预测能力，可以根据既定规则完成基本的决策任务。本文阐述了决策树算法的基本思想，并以某银行信贷问题为例，分析了决策树算法在应用中遇到的一些问题，最后给出了性能调优方案。

机器学习;决策树算法;分类预测

随着云计算和大数据的迅速发展，数据挖掘技术得到了广泛的应用。数据挖掘指的就是从大量数据中通过某种算法和工具，挖掘数据背后隐藏价值的过程。而在实际应用中，数据挖掘主要用于分类和预测。数据挖掘需要实现建立数据关系模型，对数据进行分析预测。预测是为了基于历史数据通过机器学习算法分析数据的变化趋势，达到预测的作用。决策树算法是数据挖掘中最常用的方法，其作用于分类阶段，可以直接体现数据特点，分析预测数据，并能方便提取决策规则，达到辅助决策的功效。

1 决策树基本流程

决策树是一种常见的树形结构，一个典型的决策树由一个根节点、若干个内部节点和若干个叶节点组成。叶节点与决策结果相对应。其它每个内部节点表示一个属性测试，每个分支代表一个测试输出，每个叶节点代表一种类别。在机器学习中，决策树学习的目的是针对不同的未知数据产生一颗泛化能力强的决策树。……