1.4 决策树算法的应用 决策树(decision tree)模型是一种自上而下的预测模型，其基本运算原理属于分类规则，也就是说每个决策或者事件都能引出2个或者多个事件，继而产生不同的后果，这种决策分支的图像就像一棵树的枝干，称其为决策树。决策树以样本的根节点开始，如果样本在同一个类，则该结点为树叶，算法选择最有分类能力的属性作为决策树的当前结点，根据信息增益进行分裂，直到给定节点的所有样本属于同一类或没有剩余属性可供划分为止^[24]。瞿海斌等采用决策树方法对血瘀证的诊断规则进行归纳，得到血瘀证决策分类模型，结果表明决策树提取的诊断规则与传统的医学统计方法相比，更为简单、方便，为从病例中自动归纳诊断规则提供了一种新的方法^[25]。谢雁鸣等从临床流行病学的角度用决策树等方法对原发性骨质疏松症的中医基本证候进行研究，得出原发性骨质疏松症的阴虚和阳虚诊断模型^[26]。徐蕾等用信息熵的决策树方法对慢性胃炎的中医辨证进行研究，构建以信息熵减少为特征的决策树分类模型^[27]。

    1.5 复杂系统熵方法的应用 2004 年，有学者发表了《“熵”在中医方证研究中的运用》一文 ......