摘要目的 基于中药的化学元素含量,通过不同分析方法获得中药药性的分类准确率,并对不同方法的分类准确率进行比较.方法 从《中药理论量化与应用研究》中获得目标中药,采用Excel对目标中药的化学元素数据进行提取,基于IBM SPSS Statistics 26软件对单个中药药性和化学元素进行2个独立样本非参数检验,将具有统计学意义的关联元素作为自变量,通过二元Logistic回归分析、决策树算法、人工神经网络等方法对因变量(药性)进行分类预测.运用此类算法得到中药药性的相关变量、分类准确率及模型函数系数,并比较不同方法的分类效果.结果 建立了含有105味中药、42种化学元素的初步元素数据库,对中药药性进行统计,获得四气、五味、归经的药性变量.通过非参数检验得到药性的相关因素,寒性的相关因素有Be、Sr、Ca、La;苦味的相关因素是Mn、Ni、K、Ca、V、Si、Co、Zn;脾经的相关因素有Ni、Bi、Co、Be、Eu、Ce、Nd、V、Pr、Sm、La、Dy.几种算法对寒性、苦味、脾经的分类预测准确率:二元Logistic回归分析分别是87.6％、91.4％、81.4％;决策树模型训练集分别为77.8％、87.7％、78.1％,检验集分别为69.7％、65.0％、62.5％;人工神经网络模型训练集分别为74.1％、73.7％、74.0％,检验集分别为54.5％、72.4％、67.9％.结论 基于单因素分析获得药性的相关因素,通过二元Logistic回归、决策树、人工神经网络分析,揭示了中药药性与化学元素间存在一定联系.从分类准确率来看,决策树与神经网络训练集的准确率均高于检验集.决策树训练集、检验集平均分类准确率均高于神经网络.二元Logistic回归分类的准确率虽高于神经网络和决策树,但二元Logistic回归没有区分训练集和检验集.