There is an increasing interest in

There is an increasing interest in using classification and
regression trees to predict outcomes in the medical literature.
Conventional classification and regression trees use binary
recursive partitioning of the independent variables to
either classify subjects or to determine predicted values
of the dependent variable for each subject [1,2]. Advocates
for classification and regression trees have suggested that
these methods allow for the construction of easily interpretable
decision rules, are adept at identifying important interactions
in the data [3] and at identifying clinical subgroups
of subjects at very high or very low risk of adverse outcomes

ผลลัพธ์ (ไทย) 1:

มีความสนใจที่เพิ่มขึ้นในการจัดประเภท และต้นไม้ถดถอยเพื่อทำนายผลลัพธ์ในเอกสารข้อมูลทางการแพทย์ต้นไม้ประเภทและถดถอยธรรมดาใช้ไบนารีซ้ำพาร์ทิชันของตัวแปรอิสระให้การจัดประเภทวิชาหรือ เพื่อกำหนดค่าคาดการณ์ของตัวแปรขึ้นอยู่กับในแต่ละหัวข้อ [1, 2] สนับสนุนสำหรับการจัดประเภทและถดถอย ต้นไม้ได้แนะนำที่วิธีการเหล่านี้อนุญาตให้สร้างได้ interpretableกฎการตัดสินใจ มีระบุการโต้ตอบที่สำคัญคุณหญิงข้อมูล [3] และ ในการระบุย่อยทางคลินิกเรื่องที่มีความเสี่ยงสูงมาก หรือต่ำมากของผลร้าย

ผลลัพธ์ (ไทย) 2:

มีความสนใจที่เพิ่มขึ้นในการใช้การจัดหมวดหมู่และ
การถดถอยต้นไม้ที่จะทำนายผลในวรรณกรรมทางการแพทย์
การจัดหมวดหมู่และการถดถอยต้นไม้ธรรมดาใช้ไบนารี
แบ่งเวียนของตัวแปรอิสระ
ทั้งจัดอาสาสมัครหรือการกำหนดค่าที่คาดการณ์ไว้
ของตัวแปรขึ้นอยู่กับแต่ละเรื่อง [1 , 2] สนับสนุน
การจัดหมวดหมู่และการถดถอยต้นไม้ได้ชี้ให้เห็นว่า
วิธีการเหล่านี้อนุญาตให้มีการก่อสร้าง interpretable ได้อย่างง่ายดาย
หลักเกณฑ์ในการตัดสินใจที่มีประสิทธิภาพในการระบุการสื่อสารที่สำคัญ
ในข้อมูล [3] และในการระบุคนไข้กลุ่ม
ของอาสาสมัครที่มีความเสี่ยงสูงมากหรือต่ำมากของผลกระทบ

ผลลัพธ์ (ไทย) 3:

มีความสนใจที่เพิ่มขึ้นในการจัดหมวดหมู่และ
ถดถอยต้นไม้ทํานายผลในวรรณกรรมทางการแพทย์ .
หมวดหมู่ธรรมดาและต้นไม้ไบนารีการใช้วิธีการแบ่งพาร์ติชันของตัวแปรอิสระ


ให้แยกประเภทวิชาหรือเพื่อศึกษาค่าพยากรณ์
ของตัวแปรแต่ละวิชา [ 1 , 2 ] สนับสนุน
การจำแนกและการถดถอย พบว่า มีต้นไม้
วิธีการเหล่านี้ช่วยให้สำหรับการสร้างกฎการตัดสินใจ interpretable
ง่ายๆ ชองการปฏิสัมพันธ์ของ
ในข้อมูล [ 3 ] และที่สำคัญทางคลินิกของกลุ่มย่อย
วิชาสูงมากหรือเสี่ยงน้อยมากของผลลัพธ์ที่ไม่พึงประสงค์