Page 44 - 现代护理学理论与实践创新研究

现代护理学理论与实践创新研究
Research on Modern Nursing Theory and Practice Innovation

据挖掘通常按模式的作用，分为描述性与预测性模式。描述性模式是对数据集中
已经存在的规则、规律、知识特征进行描述，而不进行任何预测（回顾性）；预
测性模式是从已知的数据集中挖掘出某些特征信息，进而对未知的数据集进行预

测（前瞻性）。
数据挖掘本质上也是一种高级、深层次的数据分析手段，成熟的相关技术加
上高效的数据库搜索引擎，利用数据挖掘技术可发现以往数据集的规则，进而利
用这些规则预测未知数据集，达到科学预测的目的。数据挖掘技术的流程主要包

括数据的采集（根据研究主题从数据库或医院信息系统中选出需要分析的相关临
床数据，构建数据集）、处理（缺失值、标准化术语、特征选取等）、分析（根
据研究目的和数据特征选择合适的算法并建立模型）和解释（对所得模型性能进

行评价）。有学者认为，使用特定算法对临床实践数据（如当变量之间的关系复
杂、多维和非线性时）进行挖掘，能够提供一组有用的规则，区分一系列假定风
险，在预测临床结果方面比传统统计技术更为精准。
2. 数据挖掘技术常用算法
数据挖掘中用于分类的常用算法有：人工神经网络（artificial neural

network，ANN）、支持向量机（support vector machine，SVM）、贝叶斯法（Bayes）、
决策树（decision tree，DT）等。根据数据的特点选用合适的算法，能够提取更
为有效的内容特征，挖掘出更有价值的信息，这在肿瘤临床护理实践中提高分类

准确率方面具有十分重要的意义。ANN 是一种非参数机器学习方法，模拟生物
神经系统，由大量的节点（或称神经元）相互联接构成。其通常有三层，即输入
层、中间层（隐藏层，可以有多个）和输出层，所有的输入层信息都以分层的方
式传递到输出层。 输入层既可以是第一层的原始数据，也可以是另一层的输出（输
出形式可以是数值数据、文字、图像等）。SVM 是一种按监督学习对数据进行

二分类的广义线性分类器，其可以很好地应用于高维、高通量数据，如用于癌症
基因组分类或子分类，尤其在识别复杂数据集中的细微模式方面功能非常强大。
Bayes 是检验多元关系的一种强有力的方法，通过直观的图形来可视化变量之间

的相互关系，被广泛地应用于基因组学和医学领域，此外，可指导干预研究的设
计。DT 因其决策分支图形和树的枝干相似而得名。它采用树枝状解释对象属性
与对象值之间的关系，树中每个节点表示某个对象，而每个分叉路径则代表某个
可能的属性值，具有根据数据的不同属性归为不同类别的特性。DT 算法的优点

32