《表6 各自模型结果对比》

  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

《基于改进的SMOTE采样Catboost分类算法》

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

(3）综上所述，经过AK-SMOTE采样处理之后的Catboost模型，在准确率、查准率、召回率、f1-度量和AUC值这5个评价指标上，都有了进一步的提升，而且召回率的数值是最高的，也就是说明对于少数类的识别率效果是最好的，AUC的数值也是最高的，说明Catboost模型的整体模型泛化能力是最好的，针对于现实生活当中存在的不平衡数据集，该模型可以较为出色的提高少数类的识别率，减少了重点关注对象的误判，对于研究医疗领域方面存在的不平衡数据现象具有较为实际的社会借鉴意义。