《表1 判断矩阵:基于集成学习的乳腺癌分类研究》
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。
图表编号 | XD00213086000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.10 |
作者 | 邓卓、苏秉华、张凯 |
绘制单位 | 北京理工大学珠海学院光电成像技术与系统教育部重点实验室、北京理工大学、北京理工大学珠海学院光电成像技术与系统教育部重点实验室、北京理工大学、北京理工大学珠海学院光电成像技术与系统教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |