(三)计算及形成
根据上述ID算法的过程,利用SPSS13.0软件及office2000中的microsoft excel软件对1857例训练集样本进行数据计算,并形成决策树模型。首先,通过公式I(888,969)=-888/1857log2(888/1857)-969/1857log2(969/1857)=0.999计算最终分类属性“阴阳辨证”的所需的期望信息。然后按照ID3的算法,分步骤计算每一个属性的信息熵的增益。计算每个分类属性中每个分布的期望信息、对应的熵、划分的信息增益,如表6-30~6-32。
表6-30 分类属性中不同属性值的期望信息表
表6-31 各属性的“熵”值
表6-32 各属性“熵”的信息增益
可见“火热证”在属性中具有最高的信息增益,所以它首先被选作测试属性,并创建一个结点,用“火热证”标记,并对每一属性值引出一个分支,因此数据集被划分为两个子集。
对于根结点,根据“火热证”的取值,数据训练集被分成两个子集,与上述方法类似,分步计算两个子集下的信息“熵“的增益,建立下一级结点。对于“火热证”值为0和1时,分别计算其余六个属性的信息增益,如表6-33。
表6-33 各属性“熵”的信息增益
上表可见“中风类型”在属性中具有最高的信息增益,所以把它作为决策属性,得到一个叶子结点,扩展决策数。用“中风类型”标记,并对每一属性值引出一个分支,因此数据集被又划分为四个子集。
对于一级叶结点值为0和1时,计算其余五个属性的信息增益,如表6-34。
表6-34 各属性“熵”的信息增益
上表可见第二横栏中的“气虚证”和第三横栏中“阴虚阳亢证”在各自的属性中具有最高的信息增益,所以把它作为决策属性,得到下一个叶子结点,进一步扩展决策树。第一横栏的“瘀血证”虽然具有0.013的最高增益,但此次级分类中阴类证占有467例(占92%),阳类证只有42例(占8%),故考虑终止扩展。而第四横栏中四项属性增益不明显,故考虑应终止扩展。
对于二级叶结点各属性值为0和1时,分别计算其余四个属性的信息增益,如表6-35、6-36。
表6-35 各属性“熵”的信息增益
上表可见第一横栏中“痰证”在各属性中具有最高的信息增益,所以把它作为决策属性,得到下一个叶子结点,进一步扩展决策树;第二横栏中“阴虚阳亢证”虽有0.068的增益,但此次级分类中阴类证占有80例(占90%),阳类证只有9例(占10%),故考虑终止扩展。
表6-36 各属性“熵”的信息增益
上表可见两横栏中“瘀血证”在各自的属性中具有最高的信息增益,所以把它作为决策属性,得到下一个叶子结点,进一步扩展决策树。(https://www.daowen.com)
对于三级叶结点各属性值为0和1时,分别计算其余四个属性的信息增益,如表6-37、6-38。
表6-37 各属性“熵”的信息增益
上表可见第一横栏中的“阴虚阳亢证”和第二横栏中的“风证”在各自的属性中具有最高的信息增益,所以把它作为决策属性,得到下一个叶子结点,进一步扩展决策树。
表6-38 各属性“熵”的信息增益
上表可见第二、四横栏中的“气虚证”在各自的属性中具有最高的信息增益,所以把它作为决策属性,得到下一个叶子结点,进一步扩展决策树。第一、三横栏中三项属性增益不明显,故考虑应终止扩展。
对于四级叶结点各属性值为0和1时,分别计算其余四个属性的信息增益,如表6-39~6-41。
表6-39 各属性“熵”的信息增益
上表可见第一横栏中“瘀血证”和第二横栏中的“风证”在各自的属性中有较高的信息增益,所以把它作为决策属性,决定最后的分类。
表6-40 各属性“熵”的信息增益
上表可见第一横栏中“阴虚阳亢证”和第二横栏中的“风证”在各自的属性中有较高的信息增益,所以把它作为决策属性,决定最后的分类。
表6-41 各属性“熵”的信息增益
上表可见第一、二、四横栏中“痰证”和第三横栏中的“风证”在各自的属性中有较高的信息增益,所以把它作为决策属性,决定最后的分类。
从一级到五级的决策树分级来看,信息“熵”的增益逐渐减少,各自的增益也逐渐均衡,最后根据各例数多少进行确定最后结点,从而初步形成出中医中风病急性期阴阳类证辨证诊断决策树,该决策树分类模型共有1根节点,4个叶节点,如下图6-1。
图6-1 中风病急性期阴阳类证辨证诊断决策树分类模型