Αποτελέσματα


Τα καλύτερα αποτελέσματα από την αναπτύξη των μοντέλων με τις διάφορες εκδοχές του dataset.

Dataset ΧΩΡΙΣ Weight


Τα καλύτερα αποτελέσματα από την αναπτύξη των μοντέλων για το dataset ΧΩΡΙΣ τη μεταβλητή Weight (33 predictors + 1 target) είναι τα εξής:


Εκδοχές dataset

classes: “>30” και “ΝΟ” - 30% SMOTE

Με classes τις “>30” και “ΝΟ” για τη μεταβλητή readmitted (target) και 30% SMOTE:

NO Weight - SMOTE 30%
Classes: >30 , NO
Model Confusion Matrix
Metrics
Accuracy Precision Recall f1_score AUC
Ensemble RUSBoosted Trees 0.61 0.511 0.625 0.562 0.66
classes: “>30” και “ΝΟ” - 50% SMOTE

Με classes τις “>30” και “ΝΟ” για τη μεταβλητή readmitted (target) και 50% SMOTE:

NO Weight - SMOTE 50%
Classes: >30 , NO
Model Confusion Matrix
Metrics
Accuracy Precision Recall f1_score AUC
Ensemble RUSBoosted Trees 0.619 0.554 0.640 0.594 0.67
Ensemble Bagged Trees 0.682 0.666 0.541 0.597 0.73
Logistic Regression 0.676 0.663 0.521 0.583 0.72
Cubic SVM 0.669 0.641 0.545 0.589 0.71
classes: “YES” και “ΝΟ” - 30% SMOTE

Με classes τις “YES” και “ΝΟ” για τη μεταβλητή readmitted (target) και 30% SMOTE:

NO Weight - SMOTE 30%
Classes: YES , NO
Model Confusion Matrix
Metrics
Accuracy Precision Recall f1_score AUC
Ensemble RUSBoosted Trees 0.612 0.566 0.616 0.590 0.66
Ensemble Bagged Trees 0.646 0.628 0.537 0.579 0.69
Logistic Regression 0.651 0.643 0.515 0.572 0.70
Cubic SVM 0.637 0.613 0.536 0.572 0.68


Dataset ΜΕ Weight


Τα καλύτερα αποτελέσματα από την αναπτύξη των μοντέλων για το dataset ME τη μεταβλητή Weight (31 predictors + 1 target) είναι τα εξής:

Εκδοχές dataset

classes: “>30” και “ΝΟ”

Με classes τις “>30” και “ΝΟ” για τη μεταβλητή readmitted (target):

WITH Weight
Classes: >30 , NO
Model Confusion Matrix
Metrics
Accuracy Precision Recall f1_score AUC
Ensemble Boosted Trees 0.582 0.613 0.621 0.617 0.60
Logistic Regression 0.591 0.618 0.643 0.630 0.63
Linear SVM 0.609 0.639 0.639 0.639 0.65
Quadratic SVM 0.596 0.626 0.631 0.628 0.63
Medium Gaussian SVM 0.619 0.637 0.689 0.662 0.65
classes: “YES” και “ΝΟ”

Με classes τις “YES” και “ΝΟ” για τη μεταβλητή readmitted (target):

WITH Weight
Classes: YES , NO
Model Confusion Matrix
Metrics
Accuracy Precision Recall f1_score AUC
Ensemble RUSBoosted Trees 0.591 0.681 0.562 0.616 0.64