摘要：目的建立一种预处理方法，在进行医疗费用数据挖掘时，将因变量（呈偏态分布的连续性变量）转换为分类变量，从而得到更加科学合理的研究结果。方法以广东省甲型病毒性肝炎医疗费用调查取得的115例患者为研究对象，分别采用中位数的分类方法和K-means聚类的方法作为预处理方法，对医疗费用这一呈偏态分布的因变量进行分类，然后建立支持向量机数学模型，采用支持向量机进行医疗费用影响因素分析；通过比较模型的预测精度、模型收益以及影响因素的筛选结果，确定最优的预处理方法。结果115例甲肝病人甲肝总住院费用中位数为2744．69元，呈偏态分布。应变量以中位数方法分类，采用支持向量机模型筛选影响因素结果显示，对医疗费用影响最大的有7个变量（前3位为医院等级、性别、疾病类型）；采用聚类分析进行数据预处理时筛选影响因素结果显示，对医疗费用影响最大的有7个变量（前3位为医院等级、住院天数、支付方式）。与中位数方法的分类方法比较，采用聚类分析进行数据预处理时，支持向量机模型结果得到的预测精度由91．30％上升到97．39％；收益图表陡峭地升高到100．00％然后渐渐变得平缓，显示模型收益更好；影响因素筛选结果更加科学合理，符合实际情况。结论聚类分析是一种优秀的数据挖掘预处理方法，具有良好的应用性。

原文链接:http://www.cqvip.com/QK/83059A/201201/40861788.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）