《表2 与传统模型的结果对比》
为了体现所提出算法相比传统机器学习算法的优越性能,使用随机森林以同样的方式作测试。所提出算法正是在随机森林上进行了特征子空间分割、特征旋转、代价敏感以及贝叶斯最小风险预测这些改进得到的。在评价指标中,F2分数综合考虑了模型的灵敏性和精准率。图3通过不同病人数据的F2分数来进行算法之间的性能比较;同时,表2列出了随机森林在12份数据上的平均指标值。结果表明,提出的算法相比随机森林,提高了10.29%的灵敏性,0.086 7的F2分数,而特异性只下降了2.8%。在临床上,漏判的癫痫放电相比误判的正常脑电要付出更大的代价,提出的算法则符合这个思想,并且相比传统模型提升明显。
图表编号 | XD003911000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 卫作臣、邹俊忠、张见、陈兰岚 |
绘制单位 | 华东理工大学信息科学与工程学院自动化系、华东理工大学信息科学与工程学院自动化系、华东理工大学信息科学与工程学院自动化系、华东理工大学信息科学与工程学院自动化系 |
更多格式 | 高清、无水印(增值服务) |