《表6 疾病预测实验结果：一种面向预测任务的基于时间序列的病人表示学习方法》

  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

《一种面向预测任务的基于时间序列的病人表示学习方法》

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

表6中实验结果为各个方法所得特征在各个疾病风险预测上的AUC值。其中加粗代表最优和次优。由实验结果可知，本文的方法在4项疾病预测中排名第一，2项疾病预测中排名第二，明显优于其他特征学习方法。DeepPatient和GMM方法则仅次于本文方法，分别获得3项第二、1项第一和1项第一、4项第二。当然，本文的方法并不是在所有疾病预测中都占优，有些疾病在其他方法上预测更佳。然而，本文方法最大的优点在于不需要手工进行特征选择。而且本文在实践中发现，其他方法经常受限于窗口大小的选择，不同的窗口大小会影响分类效果，不及本文的方法简单方便。因此本方法仍然是疾病预测的最佳选择。