随着数据的爆炸式增长,以医疗数据为基础的可视化医疗也在快速发展,对其研究变的至关重要。本文通过对医疗数据可视化以及相关数据分类算法等方面的研究,提出了基于特征选择的决策树模型设计和基于可视化统计的决策树改进模型。具体研究工作如下:Ⅰ.基于特征选择的决策树模型设计,对决策树ID3和Relief特征选择算法进行研究。由于决策树ID3算法容易将低重要度的属性赋予高的信息增益,而Relief特征选择算法能够筛除掉低重要度的属性,因此结合两种算法的优势构建模型。通过决策树ID3算法分类得出第一次结果属性,筛选结果属性进行第二次决策树ID3算法,再以Relief特征选择算法进行属性筛选补充决策树ID3算法,实现在不增加算法复杂度的情况下实现对无相关性属性的筛除,通过降维提升决策树算法的精准度。Ⅱ.基于可视化统计的决策树改进模型。利用可视化统计对医疗数据进行处理得到相关重要属性,结合特征选择的决策树模型进行前后结果属性的对比分析。对其可能筛选掉的有相关性属性以及保留的无相关性属性进行筛选和补充,通过筛选补充后以更全面的重要属性再次进行决策树ID3算法分类。通过决策树ID3算法实验,提高了特征选择的决策时模型的精准度。