《表6 4种场景设置：基于机器学习的住院患者压力性损伤分析与预测》
提示：宽带有限、当前游客访问压缩模式
采用β表示训练集在样本数据中所占的比例。表6列出了4种场景下训练集和测试集的样本数量。
| 图表编号 | XD00226238900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.10.01 |
| 作者 | 李清、苏强、林英、邓国英 |
| 绘制单位 | 同济大学经济与管理学院、同济大学经济与管理学院、上海市第一人民医院护理部、上海市第一人民医院创伤中心 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 混淆矩阵：基于机器学习的住院患者压力性损伤分析与预测》2020.10.01
- 《表1 质量改进前后住院患者压力性损伤及高危压力性损伤发生情况比较》2020.10.20
- 《表2 变压器参数设置：基于机器学习算法的变压器寿命损耗预测研究》2021.01.15
- 《表6 两种机器学习模型的预测效果对比》2020.01.01
- 《表6 最终预测变量构成：基于机器学习的NBA常规赛MVP投票分析与预测》2020.02.01
- 《表2 两种压力性损伤评估表各次评分的预测效果n(%)》2020.02.01
- 《表2 变量量化方法：基于机器学习的网络评论信息有用性预测模型研究》2019.12.01
- 《表1 输入特征表：基于机器学习的冠心病住院费用预测研究》2019.09.01
- 《表4 基于11种机器学习算法集成的基本面量化投资模型与基准线性回归模型收益差异的显著性检验》2019.08.17
- 《表1 初选指标：基于机器学习的股票分析与预测模型研究》2019.02.01
- 《表1 解释的总方差：责任护士核心能力与住院患者压力性损伤风险评估水平相关性分析》2019.03.05
- 《表5 数据预处理方式：基于关联分析与机器学习的配网台区重过载预测方法》2018.01.15
- 《表2 台账数据情况：基于关联分析与机器学习的配网台区重过载预测方法》2018.01.15
- 《表1 关联特征含义：基于关联分析与机器学习的配网台区重过载预测方法》2018.01.15
- 《表8 参数权重：基于关联分析与机器学习的配网台区重过载预测方法》2018.01.15
- 《表7 参数描述：基于关联分析与机器学习的配网台区重过载预测方法》2018.01.15
- 《表6 关联规则：基于关联分析与机器学习的配网台区重过载预测方法》2018.01.15
- 《表2 用电量突变气温：基于Azure机器学习平台的大学校园用电分析与预测》2018.05.15
- 《表3 分段样本点：基于Azure机器学习平台的大学校园用电分析与预测》2018.05.15
- 《表2 脑出血急性期患者住院期间发生压力性损伤的多因素Logistic回归结果分析》2019.10.20