, , , , , ,3,

(1.华东理工大学机械与动力工程学院,上海 200237; 2.上海中医药大学四诊信息综合实验室,上海 201203;3.上海中医药大学交叉科学研究院,上海 201203)

基于极值随机森林的慢性胃炎中医证候分类

颜建军1,胡宗杰1,刘国萍2,王忆勤2,付晶晶2,郭睿2,3,钱鹏2

(1.华东理工大学机械与动力工程学院,上海200237;2.上海中医药大学四诊信息综合实验室,上海201203;3.上海中医药大学交叉科学研究院,上海201203)

大多数机器学习算法能得到较好的分类效果,但模型却无法解释;而随机森林等模型有良好的可解释性,却无法处理中医数据中兼证的情况。本文利用极值随机森林算法对慢性胃炎中医数据进行证候分类研究,其中决策树的叶节点能输出多个标签,通过加权机制综合分量来处理兼证问题。与已有多标记学习算法和C4.5、CART等基于决策树的算法进行比较,实验结果表明,极值随机森林算法无论在6个证型的分类准确率上,还是在多标记评价指标上都具有更好的效果,而且模型中得到的规则基本符合中医理论。

证候分类; 极值随机森林; 可解释性; 慢性胃炎; 决策树

辨证论治是中医诊断学的精髓,其中辨证是综合了临床各类信息并加以分析、归纳,以辨清疾病的病因、病机、病性和病位的过程。然而,在中医辨证中存在大量的不确定性和模糊性,缺乏客观的评价标准,制约了中医的推广和发展。利用数据挖掘、机器学习等计算机技术分析中医四诊信息,探索症状与证型之间的关系,构建中医辨证模型,实现中医诊断数字化和客观化,已成为中医诊断现代化发展的趋势。……