研究文章
预测慢性肾脏疾病使用混合动力机器学习基于Apache火花
表13
先前的研究之间的性能比较,我们的工作在相同的数据集。
|
| 裁判 |
特征选择方法 |
最好的模型 |
数据集 |
结果 |
|
| (22] |
RFE |
射频 |
CKD的数据集 |
AC = 100% |
| 公关= 100% |
| RE = 100% |
| FS = 100% |
| (27] |
没有 |
混合模型LR和射频 |
CKD的数据集 |
AC = 99.94% |
| E= 99.84% |
| 年代= 99.80% |
| (30.] |
慢性疲劳综合症 |
演算法基于资讯 |
CKD的数据集 |
AC = 98.1% |
| 公关= 98% |
| RE = 98% |
| FS = 98% |
| (23] |
复位触发器、FS、菲斯,b,喜神贝斯 |
射频 |
CKD的数据集 |
AC = 98.825% |
| RE = 98.04% |
| (24] |
厂商整体特性的排名 |
决策树模型的合奏 |
CKD的数据集 |
AC = 97.27% |
| 中华人民共和国= 99.44% |
| RE = 96.25% |
| FS = 97.68% |
| (25] |
没有 |
随机subspace-based资讯 |
CKD的数据集 |
AC = 100% |
| RE = 100% |
| (26] |
遗传搜索算法 |
多层感知器 |
CKD的数据集 |
AC = 99.75% |
| 我们的工作 |
Relief-F |
DT |
CKD的数据集 |
交叉验证结果AC = 100%,中华人民共和国= 100%,RRE = 100% FS = 100%的测试结果AC = 100%,中华人民共和国= 100%,RRE = 100% FS = 100% |
| GBT分类器 |
CKD的数据集 |
交叉验证结果AC = 100%,中华人民共和国= 100%,RRE = 100%, FS = 100%;测试的结果AC = 100%,中华人民共和国= 100%,RRE = 100% FS = 100% |
|
|
