《表3 不同窗口大小下的预测对比》

  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

SVM分类模型使用不同的特征提取算法在不同窗口大小下生成的特征，其180d死亡预测结果如表3所示。其中，Sum表示原始的观测窗口内向量线性相加生成的特征，PCA、GMM、Kmeans、DeepPatient分别表示在窗口特征上作相应降维后的特征。随着窗口大小的增大，数据量增加，数据所包含的信息也相应增加，分类模型的AUC也逐渐增加（只有DeepPatient方法在窗口大小为60d时不符合规律），基本没有出现预期中过于久远数据对当前病人的病情预测进行干扰的情况。由此，后续实验设置窗口大小固定为180d。同时，该实验可以看到虽然其他方法的AUC值不断增高，但始终不及本文方法生成的特征（由于本文方法不存在窗口选择的问题，故AUC值均为0.754 8），差距始终在0.1以上。