《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》
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。
图表编号 | XD00219176300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.01 |
作者 | 丁瑶、张小玉、许杨、高理升、孙怡宁、王世军、马祖长 |
绘制单位 | 中国科学院合肥物质科学研究院智能机械研究所、中国科学技术大学、中国科学院合肥物质科学研究院智能机械研究所、中国科学技术大学、中国科学院合肥物质科学研究院智能机械研究所、中国科学院合肥物质科学研究院智能机械研究所、中国科学院合肥物质科学研究院智能机械研究所、大连医科大学、中国科学院合肥物质科学研究院智能机械研究所 |
更多格式 | 高清、无水印(增值服务) |