《表1 各分类算法的AUC均数（标准误）》

  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

《特征选择技术在江西地区缺血性脑卒中合并肺部感染风险预测模型中的应用》

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

根据互信息、Lasso回归、决策树得到每个特征的相对重要性，按照重要度（相对重要性的绝对值）从大到小排序，均得到61个重要度大于0的特征，为了对比不同的分类算法的性能，将特征数初步设定为21，41，61（分别取前21，41，61个重要度较大的特征），如表1为不同特征数下三种特征选择方法在各分类算法下的AUC。除支持向量机外，其他分类算法AUC随着特征数变化不大，且都在0.85以上。互信息、Lasso回归、决策树对应的最大AUC分别是0.8696 （MLP，61）、0.8740(MLP，21）、0.8732(MLP，21），MLP相比其他分类算法性能较好。