《表2 选择出来的特征子集》
在此次实验中,为了验证之前提出的通过降低甲状腺相关数据检测的维度来降低患者在检查治疗过程中的经济成本。甲状腺疾病数据集的处理有两个阶段。一、在数据集上使用递归式特征消除法(RFE)进行特征选择选择训练。通过模型训练,选出来四个数据集,其维度分别为3-6。二、使用筛选出来的新的特征子集训练人工神经网络(ANN)分类模型。在实验结果中,新的数据集训练的模型准确度达到97.54%-99.12%。而未经处理的原数据集训练的模型准确率是98.13%,所以通过RFE选择出来的特征子集进行模型训练,再使用该模型进行辅助诊断系统的开发。其所需要的特征数据要比现有的诊断模型数据量更少,因此患者在检查阶段需要检查的指标更少,从而能够实现保证准确率的前提下降低经济成本。
图表编号 | XD00140372800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.25 |
作者 | 肖钦文 |
绘制单位 | 四川大学计算机学院 |
更多格式 | 高清、无水印(增值服务) |