《表1 Htn各分类器性能比较》

  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Xgboost和Keras框架的多疾病风险预测》

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

使用准确率、精确率（查准率）、召回率（查全率）、F1值作为评价标准对分类器模型进行性能评价，由表1～表3可知，Xgboost在3种疾病上的预测准确率最高，并降低了误诊率和漏诊率。