《表7 Prec@k疾病预测实验结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种面向预测任务的基于时间序列的病人表示学习方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本实验对比本文得到的病人表示向量与其他方法获得的特征，预测病人的Prec@1、Prec@2、Prec@3上的优劣，其中Prec@k表示每个病人预测出的前k个疾病（根据预测概率排序）中包含标准结果的平均个数，其结果如表7所示。特别地，部分预测的标准结果少于3种上述疾病，甚至不存在任何一种疾病。亦即，预测的标准结果中就不存在前k个疾病，而分类模型在预测的时候无法预测到疾病的空缺。因此Prec@k存在理论上界，即不可能达到100%。Prec@1、Prec@2、Prec@3的理论上界如表7中所示。由实验结果可知，本文的方法在Prec@1、Prec@2、Prec@3的对比中都发挥出了最优的表现，其结果分别为0.616 6、0.513 9和0.418 5。和上一节一样，本文的方法仍没有受限于分类窗口的选择，仍是疾病预测的最佳选择。