《表1 机器学习算法预测糖尿病模型评估》

  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

《机器学习算法在糖尿病预测中的应用》

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

预测正确率（Accuracy）=真阳性+真阴性/真阳性+真阴性+假阳性+假阴性，正确率是接近真值的程度。越接近1越好。预测精度（Precision）=真阳性/真阳性+假阳性，分散程度越接近1越好。召回率（Recall）=真阳性/真阳性+假阴性，越接近1越好。曲线下面积（AUC）能够体现模型性能的优劣。如表1是对预测结果的评估。如图2是ROC曲线显示了真阳性率与假阳性率之间的曲线变化率。曲线越是靠近左上方，表明算法的预测效果越好。在5种机器学习方法种预测效果表现好的依次排名分别是决策树，神经网络，逻辑回归，支持向量机，贝叶斯。在所有5种方法预测的基础上，我们根据要预测的目标，剔除了病人编号和医生两个特征点。对于一些特征近似正态分布我们采用了均值方差作标准化，而对远离正常值的则采用MinMax标准化。