التقسيم المتكرر

التقسيم التكراري هو أسلوب إحصائي لتحليل المتغيرات المتعددة . ^{[ 1 ]} يُنشئ التقسيم التكراري شجرة قرار تسعى إلى تصنيف أفراد المجتمع تصنيفًا صحيحًا بتقسيمه إلى مجموعات فرعية بناءً على عدة متغيرات مستقلة ثنائية القيمة . تُسمى هذه العملية تكرارية لأن كل مجموعة فرعية قد تُقسّم بدورها عددًا غير محدود من المرات حتى تتوقف عملية التقسيم عند بلوغ معيار توقف محدد.

طُوّرت أساليب التقسيم المتكرر منذ ثمانينيات القرن الماضي. ومن أشهر هذه الأساليب خوارزمية ID3 لروس كوينلان، وخوارزمياتها اللاحقة C4.5 و C5.0 ، بالإضافة إلى أشجار التصنيف والانحدار (CART). وتساعد أساليب التعلم الجماعي ، مثل الغابات العشوائية، في التغلب على أحد الانتقادات الشائعة لهذه الأساليب، ألا وهو قابليتها للتخصيص الزائد للبيانات، وذلك من خلال توظيف خوارزميات مختلفة ودمج مخرجاتها بطريقة ما.

تركز هذه المقالة على التقسيم المتكرر لاختبارات التشخيص الطبي ، ولكن لهذه التقنية تطبيقات أوسع بكثير. انظر شجرة القرار .

بالمقارنة مع تحليل الانحدار، الذي ينشئ صيغة يمكن لمقدمي الرعاية الصحية استخدامها لحساب احتمالية إصابة المريض بمرض ما، فإن التقسيم المتكرر ينشئ قاعدة مثل "إذا كان لدى المريض النتائج x أو y أو z فمن المحتمل أن يكون مصابًا بالمرض q".

أحد أشكالها هو "تقسيم كوكس الخطي المتكرر". ^{[ 2 ]}

بالمقارنة مع الطرق الأخرى متعددة المتغيرات، فإن التقسيم المتكرر له مزايا وعيوب.

• المزايا هي:
  • ^{[ 3 ]} يُنشئ نماذج أكثر سهولة من الناحية السريرية لا تتطلب من المستخدم إجراء حسابات.
  • يسمح بتحديد أولويات مختلفة للتصنيفات الخاطئة من أجل إنشاء قاعدة قرار تتمتع بحساسية أو خصوصية أكبر . ^{[ 2 ]}
  • قد يكون ذلك أكثر دقة. ^{[ 4 ]}
• أما عيوبها فهي:
  • لا يعمل بشكل جيد مع المتغيرات المستمرة ^{[ 5 ]}
  • قد يؤدي ذلك إلى المبالغة في ملاءمة البيانات.

تتوفر أمثلة على استخدام التقسيم المتكرر في أبحاث الاختبارات التشخيصية. ^{[ 6 ] [ 7 ] [ 8 ] [ 9 ] [ 10 ] [ 11 ]} استخدم غولدمان التقسيم المتكرر لتحديد أولويات الحساسية في تشخيص احتشاء عضلة القلب لدى المرضى الذين يعانون من ألم في الصدر في قسم الطوارئ. ^{[ 11 ]}

• التعلم باستخدام شجرة القرار