本笔记来源于B站Up主: 有Li 的影像组学系列教学视频
本节(25)主要讲解: 通过sklearn包输出准确度、灵敏度、特异度及混淆矩阵

  1. 基本概念

  1. 代码实现
from sklearn.metrics import classification_report
y_pred = [0,1,0,1,0,0,1]
y_true = [0,0,0,1,1,0,1]
print(classification_report(y_true,y_pred))


http://www.taodudu.cc/news/show-163620.html

相关文章：

  • 影像组学视频学习笔记(21)-影像组学常用软件推荐、Li‘s have a solution and plan.
  • 影像组学视频学习笔记(19)-数据标准化、归一化极简概述、Li‘s have a solution and plan.
  • pyradiomics的yaml文件参数设置解读、Li‘s have a solution and plan.
  • 影像组学视频学习笔记(18)-使用MRIcroGL软件格式转换、勾画ROI、Li‘s have a solution and plan.
  • 影像组学视频学习笔记(22)-从atlas抠出想要的ROI做成mask文件、Li‘s have a solution and plan.
  • 回归模型（regression model）有哪些指标？如何计算回归指标(regression metrics)？如何可视化他们？
  • 异常数据（outlier data）处理基于分位数法（箱图法、箱型法）替换及删除方案
  • matplotlib画图、如何提高图像分辨率？
  • LightGBM是什么？相对于xgboost有什么优势？如何使用randomSearchCV和lightgbm进行组合获取最优参数组合？
  • xgboost是什么？相对于gbdt有什么优势？如何使用randomSearchCV和xgboost进行组合获取最优参数组合？
  • 影像组学视频学习笔记(5)-特征筛选之方差选择法、Li‘s have a solution and plan.
  • 影像组学视频学习笔记(6)-特征筛选之LASSO回归(理论)、Li‘s have a solution and plan.
  • 影像组学视频学习笔记(7)-特征筛选之LASSO回归(代码)、Li‘s have a solution and plan.
  • 影像组学视频学习笔记(9)-T检验(T-test)理论及示例、Li‘s have a solution and plan.
  • 通过构建DCA（Decision Curve Analysis）模型、获取模型数据并使用python进行绘图
  • 基于变分自动编码器（Variational Autoencoders）进行推荐系统的实施、Keras实现并可视化训练和验证误差、最后给出topK准确率和召回率
  • Li‘s 影像组学视频学习笔记(10)-T检验+lasso+随机森林、Li‘s have a solution and plan.
  • 影像组学视频学习笔记(11)-支持向量机(SVM)(理论)、Li‘s have a solution and plan.
  • 影像组学视频学习笔记(12)-支持向量机(SVM)参数优化(代码)、Li‘s have a solution and plan.
  • 影像组学视频学习笔记(14)-特征权重做图及美化、Li‘s have a solution and plan.
  • 通过交叉验证（Cross Validation）KFold绘制ROC曲线并选出最优模型进行模型评估、测试、包含分类指标、校准曲线、混淆矩阵等
  • 从pandas resample说起，然后再超越resample，通过pd.Grouper、groupby、agg
  • 使用hyperopt（Bayesian optimization）为lightGBM模型挑选最优参数进行模型构建、by Cross Validation
  • 使用hyperopt（Bayesian optimization）为xgboost模型挑选最优参数进行模型构建、by Cross Validation
  • 广义线性模型？链接函数？sigmoid和softmax？Logistic处理多分类问题？logistic回归处理超大数据?使用logistic和randomsearch进行组合获取最优参数组合、优缺点
  • 影像组学视频学习笔记(15)-ROC曲线及其绘制、Li‘s have a solution and plan.
  • 影像组学视频学习笔记(24)-文献导读:了解88种降维、分类器组合、Li‘s have a solution and plan.
  • 影像组学视频学习笔记(32)-使用SimpleITK进行N4偏置场校正、Li‘s have a solution and plan.
  • 影像组学视频学习笔记(33)-使用SimpleITK实现医学影像差值、Li‘s have a solution and plan.
  • 影像组学视频学习笔记(35)-基于2D超声影像的影像组学特征提取、Li‘s have a solution and plan.

影像组学视频学习笔记(25)-查看准确度、灵敏度、特异度及混淆矩阵、Li‘s have a solution and plan.相关推荐

  1. 影像组学视频学习笔记[44(End)]-带95%置信区间的折线图、Li‘s have a solution and plan.

    作者:北欧森林 链接:https://www.jianshu.com/p/971eeaa03ec9 来源:简书,已获授权转载 本笔记来源于B站Up主: 有Li 的影像组学系列教学视频 本节(44)主要 ...

  2. 影像组学视频学习笔记(32)-使用SimpleITK进行N4偏置场校正、Li‘s have a solution and plan.

    作者:北欧森林 链接:https://www.jianshu.com/p/ae0f502dc146 来源:简书,已获授权转载 RadiomicsWorld.com "影像组学世界" ...

  3. 影像组学视频学习笔记(19)-数据标准化、归一化极简概述、Li‘s have a solution and plan.

    本笔记来源于B站Up主: 有Li 的影像组学系列教学视频 本节(19)主要介绍: 数据的标准化.归一化 为什么要进行标准化.归一化? 机器学习算法的要求 便于横向比较 # 标准化 (影像组学中最常用) ...

  4. 影像组学视频学习笔记(43)-标准差、标准误及95%置信区间CI、Li‘s have a solution and plan.

    作者:北欧森林 链接:https://www.jianshu.com/p/f09d0f97592f 来源:简书,已获授权转载 本笔记来源于B站Up主: 有Li 的影像组学系列教学视频 本节(43)主要 ...

  5. Li‘s 影像组学视频学习笔记(25)-查看准确度、灵敏度、特异度及混淆矩阵

    本笔记来源于B站Up主: 有Li 的影像组学系列教学视频 本节(25)主要讲解: 通过sklearn包输出准确度.灵敏度.特异度及混淆矩阵 基本概念 代码实现 from sklearn.metrics ...

  6. 影像组学视频学习笔记(27)-SimpleITK包介绍、Li‘s have a solution and plan.

    本笔记来源于B站Up主: 有Li 的影像组学的系列教学视频 本节(27)主要讲解: 功能强大的图像处理工具SimpleITK包 视频中李博士演示了SimpleITK的两个基本功能:图像格式转换以及图像 ...

  7. Li‘s 影像组学视频学习笔记(28)-ROI/病灶体积的计算、Li‘s have a solution and plan.

    本笔记来源于B站Up主: 有Li 的影像组学的系列教学视频 本节(28)主要讲解: 用SimpleITK包进行ROI/病灶体积的计算 1.加载包 import SimpleITK as sitk im ...

  8. 影像组学视频学习笔记(30)-SMOTE解决数据不平衡的问题、Li‘s have a solution and plan.

    本笔记来源于B站Up主: 有Li 的影像组学系列教学视频 本节(30)主要介绍: SMOTE解决数据不平衡的问题 SMOTE基本介绍 SMOTE (Synthetic Minority Over-sa ...

  9. 影像组学视频学习笔记(31)-柱状图的python实现、Li‘s have a solution and plan.

    本笔记来源于B站Up主: 有Li 的影像组学系列教学视频 本节(31)主要介绍: 用python画柱状图,带errorbar,以及分组展示 import seaborn as sns import p ...

最新文章

  1. PTA团体程序设计天梯赛-L2-019 悄悄关注
  2. asp.net访问sqlserver获取数据、IsPostBack属性和VS可视化调试的概念
  3. 利用Git Bash 远程访问服务器
  4. c# LUA 互通，相关资料收集
  5. ajax success返回 .net,asp.net-mvc-返回JsonResult的ASP.Net MVC Ajax调用
  6. 学学Nhibernate
  7. Html学习总结（2）——Html页面head标签元素的意义和应用场景
  8. js删除服务器上文件,js删除服务器文件
  9. jquery内核学习(3)--作用域分割(下)
  10. pandownload获取bdstoken失败怎么回事_巴菲特点透中国股市：假如你手中持有的股票早上快速拉高然后慢慢下跌，你晓得是怎么回事吗？...
  11. python游戏开发库_太好玩了！用Python写个弹球游戏2.0
  12. 浏览器下载大文件时下载完成但大小对不上
  13. SI24R1:国产低功耗2.4GHz收发遥控工控答题卡方案芯片替代NRF24L01+
  14. 机构投资者大举入场，促使BTC上涨？ | 一周问答热议
  15. 客户关系管理系统的三个不同阶段
  16. 阿里天池供应链需求预测（二）
  17. 【CozeTalk】关于“富人思维”
  18. 手机怎么把图片制作成短视频，原来还有这种傻瓜式的操作，长知识了
  19. J-Linkage clustering算法的一点理解
  20. PDF中在指定位置插入图片

热门文章

  1. c++重载运算符_C/C++编程笔记：运算符重载丨重载C++中的New和Delete运算符
  2. 使用Hugo搭建自己的个人博客网站
  3. 机器学习中的训练集 验证集 测试集的关系
  4. 深度学习之单目深度估计：无监督学习篇
  5. 超全的3D视觉数据集汇总
  6. Machine Learning | (7) Scikit-learn的分类器算法-决策树(Decision Tree）
  7. Android APK的签名--笔记版 V1 签名和V2签名总结
  8. c语言程序设计编辑与调试环境实验报告,01程序设计基础实验报告_C语言程序设计基础.doc...
  9. gffread处理工具
  10. Google学术分析公司科研实力：谷歌1161，华为110，为何差10倍？