《表4 不同机器学习模型的预测性能比较》
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
《不同机器学习算法在高龄骨科患者术后低蛋白血症风险预测模型中使用效果的评估》
经过在训练集上对7个机器学习模型进行参数调节优化,获得了优化后的预测模型以及在测试集上进行测试后得到评价指标值,XGBoost模型、决策树Decision Tree模型和随机森林Random Forest模型等7个不同机器学习模型的预测性能对比(表4)。通过表4可以看出,在准确度方面,SVC(Support Vector Machine,支持向量机)模型表现最优,其准确率比Random Forest、LR(logistic regression,逻辑回归)模型高约4%。7种模型的召回率差异较为明显,以SVC、LR最佳(达95.00%),Decision Tree、XGboost、GBDT(Gradient Boosting Decision Tree,梯度提升决策树)、Adaboost(adaptive boosting,自适应提升)次之(均为70.00%),Random Forest最差(仅达65.00%)。综合,F值以SVC最佳(0.87),说明支持向量机模型的总体预测性能较好。
图表编号 | XD00208553400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.20 |
作者 | 王浩、张兴平、龚后武、孙研、文腾、袁术鹏、苏明亮、李言生、苏杭、栗翊超、韦葭蔚 |
绘制单位 | 中国中医科学院望京医院信息中心、中国中医科学院望京医院信息中心、东华软件股份公司、中国中医科学院望京医院信息中心、中国中医科学院望京医院信息中心、中国中医科学院研究生院、东华软件股份公司、东华软件股份公司、东华软件股份公司、东华软件股份公司、东华软件股份公司 |
更多格式 | 高清、无水印(增值服务) |