《表2 不同近邻数下评价指标值》

  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ML-kNN多标记学习的中医体质辨识模型研究》

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

采用10折交叉验证训练模型，并在1-20之间调整k值，评价指标对应的值见表2，从表中可以看出，模型的平均精度不会随着近邻数的增加而增加，当k=8时，模型的HLoss、OneError、Coverage及RLoss的取值相对较小且Avgprec最高，模型效果最佳，体质分类效果最好，此时平均汉明损失（HL-mean）为0.096 1，平均1-错误率（OE-mean）为0.126 1，平均覆盖率（COV-mean）为1.153 5，平均排序损失（RL-mean）为0.086 6，平均精度（AVP-mean）为88.57%。江苏省中医院体检中心体质辨识根据《中医体质分类与判定》所列出的问题条目计算得出，而本文基于体检中心数据建立的体质辨识模型在评价指标中表现良好，有科学意义，表明ML-kNN算法用于体质辨识是有效的。综上说明，ML-kNN模型解决中医体质智能化辨识问题及其存在的体质多标记问题有现实意义。