1、數據挖掘技術在商業(yè)方面應用較早，目前已經成為電子商務中的關鍵技術。由于數據挖掘在開發(fā)信息資源方面的優(yōu)越性，數據挖掘已逐步推廣到保險、醫(yī)療、制造業(yè)和電信等各個行業(yè)。 國家軍字一號醫(yī)院信息系統(tǒng)在近7年時間里，已在軍隊、武警、地方的近500所醫(yī)院推廣使用。隨著時間的推移，醫(yī)院的業(yè)務數據正通過不同的途徑源源不斷的匯入服務器數據庫中，其數據量以每日成百上千萬條記錄的速度快速增長。如何有效地利用這些海量的醫(yī)療信息，讓“信息”變成“知識”，較

2、好的辦法是借助數據挖掘技術對醫(yī)療數據進行分析。本文選取了新橋醫(yī)院最近三年內的冠心病病人的基本信息和費用信息進行數據挖掘，以建立醫(yī)療費用的分類模型。 由于各種原因，數據中存在各種程度的缺失。為了提高數據挖掘的效率和精確度，需要采取數據填補技術對缺失數據進行填補。本文在介紹現(xiàn)有的缺失值處理技術和對比各種算法的優(yōu)劣的基礎上，通過實驗證實了多重填補法有較好的填補性能，故采用多重填補法對缺失數據進行填補。 本文介紹了多種數據挖掘算

3、法。因為決策樹是以實例為基礎的歸納學習算法，它著眼于從一組無次序、無規(guī)則的事例中推理出決策樹表示形式的分類規(guī)則，在對比適用性以后，決定采用決策樹算法作為核心的數據挖掘算法進行醫(yī)療數據挖掘。 在決策樹的生成過程中，測試屬性的選擇對決策樹的優(yōu)劣起著重要的作用。在測試屬性的選擇方面，本文首先分析了利用條件屬性對樣本集進行劃分，得到正確劃分的贊同度。利用贊同度可以找到對正確決策貢獻最大的屬性。以該度量為啟發(fā)式信息，提出了一種基于贊同度的