《表1 过采样前后训练集正样本比例n(%)》

  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

《基于机器学习的心电图诊断研究》

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

近年来，不平衡学习问题作为机器学习的研究领域之一得到密切关注，其本质是数据分布不均衡，导致很多机器学习分类算法的性能被削弱。机器学习算法在不平衡数据集上训练时，倾向于将样本预测为多数类。尽管如此可以得到较高的准确率，但会导致很低的召回率，从而出现预测模型无法将正样本准确分类的情况，甚至造成预测模型完全失效。数据不平衡问题广泛存在于机器学习的各个领域。相对于多数类样本，少数类样本通常携带更为重要的信息，具有更高的错判代价。因此，多数情况下，我们应当更加关注少数类样本的分类准确性。要处理样本不平衡问题，通常是从数据、算法和集成三方面着手。数据层面的方法通常为上采样、下采样和混合采样[21-22]。就医学数据而言，很多数据集都是不平衡样本，正负样本比例差异较大，敏感性、特异性差异较大，导致模型的鲁棒性较差，而心电数据往往存在样本数量不平衡问题[2]。本研究存在样本不均衡问题，所有分类中正样本比例均显著低于负样本比例。欠采样使最终的训练集丢失部分数据；而过采样会导致一个数据点在高维空间中出现多次，增加过拟合风险，很多研究通过在过采样中加入少量随机噪声来减少这类风险。本文基于心电图多导程特点，利用过采样方法采集不同的心电导程，如图8中加粗部分所示。由于心电采集过程中背景噪音的存在，不会出现完全一致的数据点，因此避免了上述简单复制所带来的问题。表1为训练集过采样前后的正样本比例数据，经过采样后，训练集正负样本比例大致相同。