《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》
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。
图表编号 | XD00208551000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.20 |
作者 | 严玲、周作建、宋懿花、胡云、商洪涛、战丽彬、董青 |
绘制单位 | 南京中医药大学人工智能与信息技术学院、南京中医药大学人工智能与信息技术学院、南京中医药大学人工智能与信息技术学院、南京中医药大学人工智能与信息技术学院、江苏省中医院、南京中医药大学中医学院·中西医结合学院、连云港市卫生健康委员会 |
更多格式 | 高清、无水印(增值服务) |