研究文章
COVID-19风险预测糖尿病患者使用模糊推理系统和机器学习方法
|
| 美国没有 |
模型 |
精度 |
回忆 |
精度 |
F1的分数 |
卡巴 |
|
| 1 |
逻辑回归 |
0.7391 |
0.503 |
0.7536 |
0.7195 |
0.5995 |
| 2 |
演算法分类器 |
0.7324 |
0.549 |
0.7433 |
0.7093 |
0.5908 |
| 3 |
CatBoost分类器 |
0.7166 |
0.601 |
0.7159 |
0.7136 |
0.5817 |
| 4 |
光梯度增加机器 |
0.7041 |
0.557 |
0.7031 |
0.6997 |
0.561 |
| 5 |
梯度提高分类器 |
0.6968 |
0.483 |
0.7052 |
0.6816 |
0.537 |
| 6 |
极端的梯度增加 |
0.6935 |
0.473 |
0.7037 |
0.6757 |
0.5303 |
| 7 |
额外的树分类器 |
0.6928 |
0.562 |
0.6929 |
0.6908 |
0.5494 |
| 8 |
决策树分类器 |
0.6909 |
0.59 |
0.697 |
0.6922 |
0.5501 |
| 9 |
随机森林分类器 |
0.6909 |
0.558 |
0.6898 |
0.6884 |
0.5459 |
| 10 |
SVM-linear内核 |
0.6733 |
0.449 |
0.703 |
0.639 |
0.4971 |
| 11 |
k近邻分类器 |
0.6534 |
0.495 |
0.6474 |
0.6461 |
0.485 |
| 12 |
岭分类器 |
0.6487 |
0.345 |
0.4885 |
0.5572 |
0.4365 |
| 13 |
二次判别分析 |
0.5182 |
0.426 |
0.5352 |
0.5067 |
0.3164 |
| 14 |
朴素贝叶斯 |
0.4943 |
0.493 |
0.6474 |
0.5279 |
0.3152 |
|
|
