计算和数学方法在医学

研究文章

临床特点机器学习1年死亡率风险预测模型的st段抬高心肌梗死患者高尿酸血:一项回顾性研究

表2

机器学习模型的验证结果的比较。


模型	精度	AUC	回忆	精度	F1值

CatBoost	0.89	0.87	0.33	0.78	0.44
射频	0.89	0.88	0.26	0.82	0.38
XGBoost	0.90	0.83	0.41	0.81	0.51
LR	0.89	0.82	0.38	0.63	0.46
然而,	0.88	0.75	0.21	0.61	0.31
模型与过采样(SMOTEENN)
CatBoost	0.96	0.99	0.98	0.95	0.97
射频	0.95	0.99	0.98	0.94	0.96
XGBoost	0.94	0.98	0.98	0.92	0.95
LR	0.91	0.95	0.92	0.92	0.92
然而,	0.92	0.96	0.98	0.88	0.93
传统风险评分模型
优雅的分数	0.84	0.80	0.46	0.59	0.51

AUC和F1得分:越高越好。XGBoost:极端的梯度增加;射频:随机森林;LR:逻辑回归;资讯: - - - - - -最近的邻居。