Analys av myokardiella hastighetsvariabler för diagnos av ...

4.1. FLERLAGERSNÄT KONTRA LINJÄR REGRESSION 35
ronnät och de submängder som använts. Det finns ocks˚a en standardavvikelse
som benämns σi för motsvarande area. Noterbart är en ganska flukturerande
prestanda med relativt stora standardavvikelser förutom 80-nodsvarianten som
visar sig prestera bäst i detta fall. Att ta fram ett konkret exempel p˚a ROC-
noder A50 σ50 A25 σ25 A10 σ10
1 0.59 0.11 0.59 0.12 0.60 0.11
5 0.62 0.08 0.64 0.07 0.65 0.07
10 0.61 0.10 0.62 0.10 0.64 0.07
20 0.61 0.08 0.60 0.08 0.62 0.08
40 0.61 0.08 0.59 0.09 0.54 0.08
80 0.66 0.06 0.66 0.05 0.67 0.03
Tabell 4.2: Prestanda för oförbehandlade inparametrar
diagram som visualiserar prestandan för oförbehandlade inparametrar görs ej d˚a
den varierar väldigt mycket och det är sv˚art att f˚a en rättvis och övergripande
bild vidare än den som g˚ar att tolka ur tabell 4.2.
För att öka säkerheten vid initieringsfasen samt förenkla träning och generalisering
förbehandlas inparametrarna. I figur 4.7 visualiseras EP och EV för
ett neuronnät där inparametrarna är förbehandlade enligt MNMX. Det blir en
mycket kraftigare förskjutning mot lägre Etot d˚a nodantalet ökas. När EP faller
mot noll men EV fortfarande är relativt hög kan överinlärning misstänkas. Men
när b˚ada faller kan resultatet vara att generaliseringen är bibeh˚allen och därmed
att en bättre analys har framkommit.
I figur 4.6 visas Etot för de MNMX-förbehandlade inparametrarna. I jämförelse
med oförbehandlade inparametrar i figur 4.5 ses en viss nedg˚ang fram till 20
noder. sedan är det en stor variation med medianvärde över medelmedianvärdet.
Det kan ses som en indikation p˚a sv˚ara förh˚allanden där olika analyser varierar
kraftigt fr˚an varandra och de l˚aga värdena tillfälligheter som r˚akar passa
för just de använda valideringsmängden. Det kan allts˚a tänkas att de generellt
bästa neuronnäten finns i det sjok som som inneh˚aller 20 noder.
Tabell 4.3 visar de statistiska resultaten för MNMX-förbehandlade inparametrar.
Nu r˚ader en lite omkastad trend gentemot de oförbehandlade inparametrarna
genom att 1-nodersnätet visar bra prestanda med lägst standardavvikelse
överlag. Intrycket av att l˚aga Ep beror p˚a överinlärning förstärks av att arean
är lägst i de fallen.
noder A50 σ50 A25 σ25 A10 σ10
1 0.67 0.06 0.65 0.07 0.67 0.04
5 0.63 0.08 0.61 0.08 0.63 0.09
10 0.60 0.08 0.60 0.09 0.60 0.09
20 0.62 0.08 0.62 0.07 0.64 0.05
40 0.60 0.07 0.62 0.07 0.64 0.08
80 0.57 0.08 0.58 0.09 0.57 0.11
Tabell 4.3: Prestanda för MNMX-förbehandlade inparametrar.
P˚a samma sätt har analyser med STD- och PCA-förbehandlade inparame-