《表1 分类结果的混淆矩阵》

  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CatBoost算法的中青年颈动脉粥样硬化预测方法》

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

注：TP(true positive）为真正，表示实际样本为正预测也为正；FP(false positive）为假正，表示实际样本为负预测为正；FN (falsenegative）为假负，表示实际样本为正预测为负；TN(true negative）为真负，表示实际样本为负预测也为负。

临床上用于评价预测模型的指标通常包括灵敏度（sensitivity）、特异性（specificity）、准确率（accuracy）和受试者工作特征（receiver operating characteristic，ROC）曲线下的面积（area under the ROC curve，AUC）。灵敏度是指实际为正的样本中被预测为正的比例，特异性是指实际为负的样本中被预测为负的比例，准确率是指分类正确的样本占总样本的比例，AUC是综合灵敏度和特异性对模型进行的评价指标，AUC大于0.7说明诊断价值较高。其中灵敏度、特异性和准确率可由分类结果的混淆矩阵计算，数值越大表明模型的性能越好。