红斑鳞屑性疾病诊断中预测性数据挖掘算法的评估
机器学习
2015-01-06 v1 计算工程、金融与科学
摘要
在寻找应用于临床诊断的性能最优数据挖掘算法上耗费了大量时间。本研究旨在确定应用于红斑鳞屑性疾病诊断中性能最优的预测性数据挖掘算法。研究使用朴素贝叶斯(Naive Bayes)、多层感知机(Multilayer Perceptron)和J48决策树归纳在366个红斑鳞屑性疾病数据集实例上构建预测性数据挖掘模型。此外，采用10折交叉验证和一组性能指标来评估分类器的基线预测性能。比较分析显示，朴素贝叶斯以97.4%的准确率表现最佳，多层感知机以96.6%的准确率位居第二，J48以93.5%的准确率表现最差。这些分类器在临床数据集上的评估，为适用于临床诊断尤其是红斑鳞屑性疾病诊断的不同数据挖掘算法的预测能力提供了见解。
引用
@article{arxiv.1501.00607,
title = {Evaluation of Predictive Data Mining Algorithms in Erythemato-Squamous Disease Diagnosis},
author = {Kwetishe Danjuma and Adenike O. Osofisan},
journal= {arXiv preprint arXiv:1501.00607},
year = {2015}
}
备注
10 pages, 3 figures 2 tables