| 中文摘要 | 第6-8页 |
| 英文摘要 | 第8-10页 |
| 前言 | 第11-13页 |
| 1 理论与方法 | 第13-18页 |
| 1.1 决策树 | 第13-16页 |
| 1.2 随机森林 | 第16-18页 |
| 2 数据来源 | 第18-20页 |
| 2.1 研究对象 | 第18页 |
| 2.2 调查内容 | 第18-19页 |
| 2.3 质量控制 | 第19-20页 |
| 3 模型建立及结果 | 第20-37页 |
| 3.1 自变量的筛选 | 第20-21页 |
| 3.2 logistic回归预测模型的建立及结果 | 第21-22页 |
| 3.3 决策树模型的构建过程及结果 | 第22-27页 |
| 3.4 随机森林模型的建立及结果 | 第27-32页 |
| 3.5 随机森林模型、决策树模型与logistic回归模型在测试数据集中预测性能的比较 | 第32-33页 |
| 3.6 连续型变量离散化建模情况及与变化前的比较 | 第33-37页 |
| 4 讨论 | 第37-41页 |
| 4.1 利用病历资料进行疾病风险预测建模所存在的问题 | 第37-38页 |
| 4.2 随机森林模型疾病风险预测的建模应用中的优势 | 第38-39页 |
| 4.3 连续型变量离散化与非离散化相互借鉴 | 第39-41页 |
| 5 小结 | 第41-43页 |
| 参考文献 | 第43-46页 |
| 综述 决策树及随机森林算法在疾病诊断预测中的应用 | 第46-53页 |
| 参考文献 | 第51-53页 |
| 致谢 | 第53-54页 |
| 个人简历 | 第54-55页 |
