《表2 不同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
《基于CatBoost算法的中青年颈动脉粥样硬化预测方法》
利用测试样本对Logistic回归和神经网络方法建立的模型进行验证,通过输出值分析所有模型的预测性能,结果如表2所示。CatBoost模型的准确率和AUC明显高于Logistic回归模型和神经网络模型。基于全变量的CatBoost模型准确率和AUC分别为86.5%和0.89;而基于高相关性变量的CatBoost模型准确率和AUC最高,分别为90.3%和0.92。单独分析Logistic回归和神经网络模型,发现Logistic回归模型具有最低的准确率和AUC,分别为64.1%和0.72。神经网络模型性能有所提高,其中基于高相关性变量神经网络模型的准确率在71.3%,AUC为0.78。
图表编号 | XD00219176400 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) |