《表3 不同特征数量模型的准确率》

  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

《面向甲状腺疾病诊断的指标维度最小化应用研究》

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

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。