《表4 不同分类模型A,P,R,F1度量对比（训练集与测试集样本比为8∶2）》

  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

《深度森林算法的慢性肾病识别》

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

提出一种基于“深度森林”算法的预测模型，针对病人是否患有慢性肾病进行分类研究。为了比较模型的精度，通过bootstrap随机抽样把数据集分为训练集和测试集。训练集和测试集分为7∶3和8∶2的比例，采用线性判别（LDA）、朴素贝叶斯分类（NB）、K-最近邻（KNN）、人工神经网络（ANN）、支持向量机（SVM）、决策树（CART）、随机森林（RF）以及深度森林（Deep Forest)8种算法做研究比较。基于测试集得到的精度、查准率、查全率和F1度量见表3和表4。