《表1：混淆矩阵：不平衡数据集的分类研究在医疗数据方面的应用》

  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

《不平衡数据集的分类研究在医疗数据方面的应用》

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

对于多数类类别0，precision（查准率）达到了99%，recall（召回率）达到了93%，f1-score(f1-度量）达到了96%，而另一边的类别1，也就是关注的少数类，它的precision（查准率）达到了78%，recall（召回率）达到了95%，f1-score(f1-度量）达到了86%，最后的accuracy（精度）也可以达到93%，而总体的precision（查准率）达到了77.68%，recall（召回率）达到了95.38%，f1-score(f1-度量）达到了85.62%，处理之后的效果相对来说也是最好的，输出的AUC值为99%，整体效果相比于随机森林模型效果更好，说明了Catboost在处理分类问题上的优良性能。