换一批C5.0决策树与RBF神经网络模型用于急性缺血性脑卒中出血性转化的风险预测性能比较
Comparing performance of C5.0 decision tree and radial basis function neural network for predicting hemorrhagic transformation in patients with acute ischemic stroke
摘要目的 比较C5.0决策树与径向基函数(radial basis function,RBF)神经网络用于急性缺血性脑卒中(acute jschemic stroke,AIS)出血性转化(hemorrhagic transformation,HT)风险预测性能.方法 将AIS住院患者作为研究对象,收集相关资料.根据入院2周内是否发生HT分为HT组与非HT组,建立C5.0决策树与RBF神经网络模型,比较两者的预测性能.结果 共收集460份病历资料,按照训练集与测试集7:3的比例分为训练集样本和测试集样本.C5.0决策树模型的训练集与测试集准确率分别为96.5％和80.1％,灵敏度为98.1％和82.6％,特异度为94.8％和77.9％,Kappa指数是0.93和0.60,AUC是0.97和0.80.RBF神经网络模型的训练集与测试集准确率分别为72.6％和74.7％,灵敏度为87.6％和88.4％,特异度为56.9％和62.3％,Kappa指数为0.45和0.50,AUC为0.72和0.75;在训练集中,C5.0决策树模型的预测性能优于RBF神经网络模型的预测性能.在测试集中,两者预测性能的差异无统计学意义.结论 C5.0决策树模型的预测性能优于RBF神经网络模型的预测性能.
更多相关知识
栏目名称
DOI
10.16462/j.cnki.zhjbkz.2019.02.021
发布时间
2019-03-26（万方平台首次上网日期，不代表论文的发表时间）
基金项目
河北省高等学校科学技术研究项目（QN2017349）
- 浏览111
- 被引17
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
