《表1 不同特征选择算法得到的分类器的分类性能》

  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

《基于放射组学特征的胃肠道间质瘤的分类预测》

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

为了去除原始特征集中的不相关和冗余特征，本研究采用特征排序联合前向选择方法进行特征筛选，即将ReliefF，Mutinffs[28]，Ecfs[29]，Fisher[30]，L0[31]，SVM-RFE[31]分别与前向选择（Forward Selection）结合进行实验，结果如表1所列。比较各个方法训练得到的分类器的预测性能估计可知，基于ReliefF的前向选择算法得到特征子集训练的分类器的分类性能最好，其AUC、准确率、敏感性和特异性均在80%以上。因此，本研究选择基于ReliefF的前向选择算法作为特征选择方法。