本文主要基于数据挖掘中的决策树及支持向量机建立单分类器、组合分类器、随机组合分类器和支持向量分类机模型,对白血病细胞的多药耐药性数据进行分类,判断白血病细胞其多药耐药性是否得到逆转.研究主要内容包括.数据的降维处理.建立多种分类器模型、优化模型参数,降低模型预测误差,对比各模型预测精度,选取最优模型.本文先针对白血病细胞的多药耐药性在逆转剂的作用下的细胞特征数据进行预处理,然后在处理后的数据集上应用和比较决策树、支持向量机、随机森林模型等多种分类算法.数据预处理中,使用去除取值接近于常数的变量、去除高相关性的自变量、剔除异常值、数据标准化处理等方式降低数据维度以优化样本集.在预处理后的数据集上建立单棵决策树模型,比较C4.5、C5.0、CART、Rpart决策树模型预测精度,并可视化操作;建立组合分类器模型,使用Bagging、adaboost算法构建模型,比较构建模型的效率及预测精度,使用加权投票的方式来探究预测结果;建立随机组合分类器,使用随机森林分类算法,通过随机选取测试样本集及单棵决策树,对测试样本集进行预测;建立支持向量分类机模型,寻找一个超平面来对样本集进行分割,寻找到一个最大间隔,对样本集进行分类预测.本文研究结果表明,在对数据进行预处理时,删除冗余的变量降低了样本集的维度,可以节省模型构建时间,并且对模型预测精度影响不大.在所有分类器模型中,随机森林模型表现最好,它的构建模型时间较短,预测精度较高.