《表1 判断矩阵：基于集成学习的乳腺癌分类研究》

  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

《基于集成学习的乳腺癌分类研究》

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

训练数据训练完模型后，再利用测试数据测试模型性能，此项目的三个模型经过测试集测试的结果如表1所示，其中precision是查准率（P），即分类正确的比例，P=真正例/（真正例+假正例）；recall是召回率（R），即类别被正确选出来的比例R=真正例/（真正例+假反例）；F1-score是P和R的一种调和平均，F1=2*P*R/（P+R)；support是样本个数，根据三个模型的结果性能指标可以看出随机森林模型和Xgboost模型的效果明显好于决策树模型的效果。根据统计，本项目的集成学习模型分类准确率平均值为0.965853，AUC指标均值为0.967601；而传统的决策树模型的分类准确率为0.921951，AUC值只有0.907999。根据实验数据和统计值对比，乳腺癌的二分类问题中集成学习效果明显由于传统机器学习算法。