To evaluate the performance of our

To evaluate the performance of our neural network classification model, the probability of misclassification error and the area of the ROC curve for the model were estimated using a nonparametric approach based on a resubstitution method [36]. For the resubstitution method, the neural network classification model was trained using a pattern dataset, which included all of the available 830 clinical instances, and was tested to estimate the probability of misclassification error and the area of the ROC curve using the same pattern dataset. Generally, in this research, the resubstitution method resulted in optimistically unbiased estimates of the asymptotic probability of misclassification error and the area under the ROC curve since the pattern dataset, containing the 830 clinical instances, can be considered a relatively large dataset.

ผลลัพธ์ (ไทย) 1:

เพื่อประเมินประสิทธิภาพของรูปแบบจัดประเภทเครือข่ายประสาทของเรา ความเป็นไปได้ของข้อผิดพลาด misclassification และพื้นที่ของเส้นโค้ง ROC สำหรับรุ่นถูกประเมินโดยใช้วิธีการแบบ nonparametric ตามวิธี resubstitution [36] สำหรับวิธี resubstitution แบบจัดประเภทเครือข่ายประสาทถูกฝึกโดยใช้ชุดข้อมูลรูปแบบ รวมทั้งหมดของอินสแตนซ์ทางคลินิกมี 830 และได้รับการทดสอบเพื่อประเมินความเป็นไปได้ของข้อผิดพลาด misclassification และพื้นที่ของเส้นโค้ง ROC ที่ใช้รูปแบบชุดข้อมูลเดียวกัน ทั่วไป ในงานวิจัยนี้ วิธีการ resubstitution ผลในประเมินลงในแง่ดีคนน่า misclassification ข้อผิดพลาดและพื้นที่ใต้โค้ง ROC asymptotic เนื่องจากชุดข้อมูล รูปแบบที่ประกอบด้วยอินสแตนซ์ทางคลินิก 830 ถือได้ว่าเป็นชุดข้อมูลค่อนข้างมาก

ผลลัพธ์ (ไทย) 2:

การประเมินประสิทธิภาพของรูปแบบการจัดหมวดหมู่เครือข่ายประสาทของเราน่าจะเป็นของความผิดพลาดจำแนกและพื้นที่ของเส้นโค้ง ROC สำหรับรูปแบบที่อยู่ที่ประมาณโดยใช้วิธีการไม่อิงพารามิเตอร์ตามวิธี resubstitution [36] สำหรับวิธีการ resubstitution รูปแบบการจัดหมวดหมู่เครือข่ายประสาทได้รับการฝึกฝนการใช้ชุดรูปแบบซึ่งรวมถึงทุกคนที่มี 830 กรณีคลินิกและได้รับการทดสอบเพื่อประเมินความน่าจะเป็นของความผิดพลาดจำแนกและพื้นที่ของเส้นโค้งร็อคโดยใช้ชุดรูปแบบเดียวกัน โดยทั่วไปในการวิจัยวิธี resubstitution ส่งผลให้ประมาณการที่เป็นกลางมองโลกในแง่ของความน่าจะเป็นของความผิดพลาดเชิงจำแนกและพื้นที่ใต้เส้นโค้ง ROC ตั้งแต่ชุดรูปแบบที่มีอินสแตนซ์คลินิก 830, ได้รับการพิจารณาชุดข้อมูลที่ค่อนข้างใหญ่

ผลลัพธ์ (ไทย) 3:

เพื่อประเมินประสิทธิภาพของรูปแบบการจำแนกเครือข่ายประสาท , ความน่าจะเป็นของความผิดพลาดข้อผิดพลาดและพื้นที่ของโค้ง ROC สำหรับแบบจำลองโดยใช้วิธีการประมาณ 3 วิธี resubstitution ขึ้นอยู่กับ [ 36 ] สำหรับ resubstitution วิธีแบบจำลองโครงข่ายประสาทเทียมการฝึกโดยใช้ชุดข้อมูลรูปแบบ ,ซึ่งรวมถึงการทั้งหมดที่มีอยู่และ 830 คลินิกกรณีทดสอบเพื่อประเมินความน่าจะเป็นของความผิดพลาดข้อผิดพลาดและพื้นที่ของโค้ง ROC โดยใช้ข้อมูลในรูปแบบเดียวกัน โดยทั่วไปในงานวิจัยนี้การทำให้เป็นกลาง resubstitution วิธีการมองโลกในแง่การประเมินความน่าจะเป็นของความคลาดเคลื่อนเฉลี่ยผิดพลาดและพื้นที่ภายใต้โค้ง ROC เนื่องจากรูปแบบข้อมูลที่มี 830 คลินิกกรณีสามารถจะถือว่าเป็นข้อมูลที่ค่อนข้างใหญ่