知足常乐|写给医生的人工智能体验课(三):利用SPSS、R、python建立简单的神经网络( 四 )


我们这次直接评估模型在测试集的效果 , 可以看到模型的总体准确率为(73+3)/104=73%;28例肺癌患者中 , 仅能准确识别3例 , 准确率为11% , 比R的14%效果更差 。 可见模型结构进一步复杂后 , 过拟合的情况更明显 。 在机器学习领域 , 人们更常用精度、召回率、F1分数等评价模型性能 , 我们在下一篇文章再继续讲解 。
知足常乐|写给医生的人工智能体验课(三):利用SPSS、R、python建立简单的神经网络我们再用logistic回归建模 , 得出在测试集中的总体准确率为72% , 肺癌识别准确率为7% , 预测效果略低于神经网络 。
知足常乐|写给医生的人工智能体验课(三):利用SPSS、R、python建立简单的神经网络总结:本篇文章运用三个软件对同一数据集进行神经网络建模 , 对于不同软件基础的朋友都能对建模有个大致了解 。 这种简单的神经网络也算是在人工智能的广义范畴内 。 但同时我们也可以看到 , 神经网络虽然听起来高大上 , 但它对于这种表格数据的预测效果也不见得就很突出 , 那它为什么还会如此受欢迎呢?下一节课我们将从表格数据转移到图像数据 。
后续的内容如下:
1. 基于scikit-learn识别导入的图像;
2. 基于tensorflow识别mnist手写数字;
3. 利用inception V3搭建自己的视觉识别模型;
4. 深度解读一篇内镜人工智能的文献 。
医咖会最新上线专栏课程《缺失值的处理和常见研究类型的统计分析》!
讲解缺失数据的核心处理方法及SPSS操作 , 以及病例对照研究和RCT的统计分析思路 。
使用电脑 , 打开医咖会 , 观看专栏视频:
关注医咖会 , 及时获取最新统计教程


推荐阅读