分类决策树：SCI文章的亮点

对于预测，大家首先想到的就是回归。尤其是logistic回归，但是有一些问题是logistic回归无法解决的，例如自变量的交互作用等。决策树是另一种分类预测的方法，包括分类树以及会归树。对于我们目前的大数据临床分析而言，也是至关重要的。

今天我们参考张文彤老师的SPSS医学统计学，简单的描述一下，如何通过SPSS进行分类决策树的绘制，同时描述自变量对应变量的相对重要性。

数据为探索创伤迟发型颅脑损伤的危险因素。

下表展示了本次分类预测，总体的准确性为92.5%。

下表展示了，整个分类过程中自变量的重要性排序。

图文阅读是不是很乏味，赶快参加我们的初级临床科研培训班，绝对让你不枉此行。

详情点击下文链接

就是我，快点击：初级临床科研设计与方法培训班第二轮通知