决策树是机器学习中应用最广泛的算法之一,是图模型与概率决策表相结合的概率图模型。它用直观易懂的图形方式来表示观测变量与类别之间的联系,进行系统的量化计算和不确定性推理。本文利用极值随机森林算法对慢性胃炎中医问诊数据分类做了如下工作:1.提出通过极值随机森林算法建立慢性胃炎中医辨证分类模型,其决策树的叶节点能输出多个类别,取得了不错的分类效。通过与经典的多标记和基于树的算法比较来验证算法的有效性能后发现,算法的平均准确率能达到83.8%,分类性能优于多数现有的多标记分类器。将分类模型与中医辨证理论和临床经验对比发现,极值随机森林算法很好地描述了决策树中症状到证型的决策关系,其模型具有良好的可解释性。2.利用极值随机森林算法探究症状与症状之间,症状与证型之间的相互联系。通过变量重要性的计算和证型之间互信息的大小,用集合图的方式分别表示出各证型症状的分布情况,并与中医辨证理论以及慢性胃炎实证和虚症的诊断标准进行分析进行了对比分析,其结果基本符合中医辨证理论,且与临床实践相吻合。