随着数据库技术和信息技术的发展,人类积累了大量的数据,为了从这大量的数据中挖掘出新颖的、有价值的、有效的信息,满足用户对数据信息的需求,数据挖掘技术迅速地发展起来,并在一些领域引起人们极大地关注。分类作为数据挖掘的一种常用技术,在各行各业不断得到广泛地应用。其中,分类算法中的决策树分类算法因其所建模型结构简单直观、易于解释和理解,并能有效地解决很多实际问题,取得了快速地发展。本文首先对决策树模型和一些经典的决策树分类算法进行了介绍,通过比较这些算法的优缺点,提出了改进的自适应的代价敏感决策树算法。进而根据一组医疗疾病诊断数据集,用改进的决策树算法建立了一棵cost-saving tree,并比较分析了改进后算法的性能,发现改进的算法在精度不差的条件下具有较低的平均分类代价和很好的强健性。从而,本文为用决策树模型分析如何节省医疗诊断费用的问题提供了有益地参考,具有一定的实际意义。