XGBoost机器学习模型在缺血性卒中后早期认知损害诊断中的应用研究

发布时间：2020-05-15 22:51

【图文】：

模型图,训练集,模型,模型诊断

１００％邋－邋Ｓｐｅｃｉｆｉｃｉｔｙ％逡逑图２基于训练集建立的两个模型ＲＯＣ图。逡逑线下面积邋ＡＵＣ＝０．７７，标准误邋０．０３３２５，９５％ＣＩ邋为：０．７１－０．８４，线有效，区分能力较好。逡逑ｅｎ指数和实际应用，取截断值为０．５１８３，此时灵敏度为７，准确度为７２．２７％，其他评价指标见表７。逡逑表７基于训练集的模型诊断结果逡逑Ｌｏｇｉｓｔｉｃ逦ＸＧＢｏＵＣ）逦０．７７０９逦０．８４限逦０．７０５５逦０．７９

相对重要性,机器学习,中变,模型

综合Ｙｏｕｄｅｎ指数和实际应用，取截断值为０．６２３〗，此时灵敏度＝７８．７２％，，特逡逑异度＝７３．４２％，准确度＝７６．８２％，其他评价指标见表７。逡逑模型对各因素重要性的排列和计算结果如表８和图３。逡逑２２逡逑
【学位授予单位】：浙江大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：R743.3

【参考文献】