第四章 結果與討論
第二節 不同資料型態之訊息融合對於診斷趴姿伸直與臥 姿彎曲整體表現診斷正確率之影響
本節將根據表 4-1-1~4-1-12 以及附錄三、四所呈現之趴姿伸直與臥姿彎 曲在各重要觀測向度之診斷正確率，進一步探討不同的資料型態與特徵選取對趴 姿伸直與臥姿彎曲之整體診斷正確率的影響。本研究中不同的資料型態是指經 ML 分類器所得之趴姿伸直與臥姿彎曲重要觀測向度之類別資料，是屬於二元類 別資料型態、ML 分類器所得之趴姿伸直與臥姿彎曲重要觀測向度之後驗機率 值，是連續資料型態和趴姿伸直與臥姿彎曲重要觀測向度之原始資料，是連續資 料型態。特徵選取是透過選取不同重要觀測向度之組合，探討不同之特徵選取對 於診斷正確率之影響。
一、 不同的資料型態對趴姿伸直與臥姿彎曲整體診斷正確率 之影響
表4-2-1 二元資料之「趴姿伸直」整體診斷正確率
抽樣次數 1 2 3 4 5 6 7 8 9 10 平均
ML(%) 30.1 30.1 30.1 30.1 30.1 30.1 30.1 30.1 30.1 30.1 30.1 kNN(%) 80.3 79.1 79.9 79.1 81.6 82.8 80.8 79.9 79.5 79.9 80.3 SVM(%) 83.3 84.1 84.1 83.7 84.9 85.4 80.3 83.7 85.4 85.4 84.0 分
類 器
BN(%) 85.4 85.3 86.6 87.1 86.2 87.0 85.0 86.2 86.2 86.2 86.2
註：灰色區域表示最佳之正確診斷率
表4-2-2 後驗機率值之「趴姿伸直」整體診斷正確率
抽樣次數 1 2 3 4 5 6 7 8 9 10 平均
ML(%) 84.1 83.7 83.7 83.3 83.3 84.5 83.3 83.7 84.1 84.5 83.8 kNN(%) 82.0 79.9 79.1 78.2 78.2 78.7 78.7 80.3 79.9 79.1 79.4 分
類
器 SVM(%) 81.6 81.6 82.0 82.0 82.4 82.4 81.2 82.4 81.2 81.6 81.8
註：灰色區域表示最佳之正確診斷率
表4-2-3 原始資料值之「趴姿伸直」整體診斷正確率
抽樣次數 1 2 3 4 5 6 7 8 9 10 平均
ML(%) 83.3 82.8 82.8 82.4 84.5 85.8 84.1 85.8 84.5 83.3 83.9 kNN(%) 76.6 75.3 77.0 80.3 76.6 78.7 74.9 74.5 74.9 77.0 76.6 分
類
器 SVM(%) 70.3 71.1 69.5 70.3 71.5 71.5 71.5 72.4 70.7 72.0 71.1
註：灰色區域表示最佳之正確診斷率
表4-2-4 二元資料之「臥姿彎曲」整體診斷正確率
抽樣次數 1 2 3 4 5 6 7 8 9 10 平均
ML(%) 74.5 73.2 74.9 73.6 74.5 64.0 74.5 76.2 74.1 63.2 72.3 kNN(%) 81.2 81.6 83.3 83.3 82.4 82.4 83.3 82.8 82.0 81.6 82.4 SVM(%) 82.8 82.8 82.8 80.8 82.0 80.3 82.8 83.7 80.3 80.3 81.9 分
類 器
BN(%) 85.0 85.0 85.0 85.0 85.0 85.0 85.0 85.0 85.0 85.0 85.0
註：灰色區域表示最佳之正確診斷率
表4-2-5 後驗機率值之「臥姿彎曲」整體診斷正確率
抽樣次數 1 2 3 4 5 6 7 8 9 10 平均
ML(%) 84.5 84.1 85.4 82.0 83.3 84.9 83.3 83.7 84.1 83.7 83.9 kNN(%) 79.1 80.3 81.2 79.5 80.8 82.0 80.3 79.1 81.6 79.9 80.4 分
類
器 SVM(%) 77.8 73.6 77.4 78.7 75.3 77.0 76.6 76.2 78.7 73.2 76.4
註：灰色區域表示最佳之正確診斷率
表4-2-6 原始資料值之「臥姿彎曲」整體診斷正確率
抽樣次數 1 2 3 4 5 6 7 8 9 10 平均
ML(%) 84.5 85.4 84.1 85.4 84.9 86.2 84.9 87.4 86.6 84.1 85.4 kNN(%) 76.6 75.3 77.0 80.3 76.6 78.7 74.9 74.5 74.9 77.0 76.6 分
類
器 SVM(%) 70.3 71.1 69.5 70.3 71.5 71.5 71.5 72.4 70.7 72.0 71.1
註：灰色區域表示最佳之正確診斷率
由表 4-2-1~4-2-3 可知道，在趴姿伸直的部份:
(一) 在二元資料的部分，以 BN 分類器的診斷正確率較高；而在後驗機率值 和原始資料的部分，都是以ML 分類的診斷正確率較高。
(二) 以資料型態而言，以二元資料在趴姿伸直之整體診斷正確率較高，原始 資料值和後驗機率值在趴姿伸直之整體診斷正確率相差不多。
由表4-2-4~4-2-6 可知道，在臥姿彎曲的部份:
(一) 在二元資料的部分，以 BN 分類器的診斷正確率較高；而在後驗機率值 和原始資料的部分，都是以ML 分類的診斷正確率較高。
(二) 以資料型態而言，以二元資料在臥姿彎曲之整體診斷正確率較高，原始 資料值和後驗機率值在臥姿彎曲之整體診斷正確率相差不多。
故在特徵選取時，二元資料將以BN 分類器為主，後驗機率值和原始資料的 ML 分類器為主。
二、 不同的特徵選取對趴姿伸直與臥姿彎曲整體診斷正確率 之影響
趴姿伸直和臥姿彎曲之重要觀測向度是頭部、胸部、腳部、協同性、穩定 度，而融合這些重要觀測向度作整體診斷時，可能會有多元共線性的問題，如頭 部抬高時會連帶提升胸部的角度，故頭部和胸部的訊息可能是訊息重複的。本部 分主要探討是否有一些比較重要的觀測向度（特徵），透過這些重要觀測向度的 選取，提升趴姿伸直與臥姿彎曲之整體診斷正確率。在二元資料的部份，以 BN 分類器的診斷正確率最高，在後驗機率值和原始資料的部分以 ML 分類器診斷正 確率較高。故本部份探討二元資料的重要觀測向度選取在 BN 分類器之效能和後 驗機率值、原始資料的重要觀測向度的選取在 ML 分類器的效能。為了不影響閱 讀的流暢性，以下將只列出診斷正確較高的前三個重要觀測向度之組合，其餘重 要觀測向度組合之趴姿伸直與臥姿彎曲整體診斷正確率請參閱附錄四。
表4-2-7 二元資料「趴姿伸直」重要觀測向度選取整體最高診斷正確率(BN 分類器)
觀測向度 1 2 3 4 5 6 7 8 9 10 平均
頭胸手腳
協同(%) 86.6 86.6 86.6 86.6 86.6 86.6 86.6 86.6 86.2 87.0 86.6 頭胸手腳
(%) 86.2 86.6 86.6 86.6 86.6 86.2 87.0 86.6 86.6 86.6 86.6 胸手腳(%) 86.6 86.6 86.2 86.6 86.6 86.6 86.6 86.6 86.6 86.6 86.6
註：灰色區域表示最佳之正確診斷率
表4-2-8 後驗機率值「趴姿伸直」重要觀測向度選取整體最高診斷正確率(ML 分類器) 觀測向度 1 2 3 4 5 6 7 8 9 10 平均
胸手腳(%)
86.6 87.0 86.2 85.8 86.6 86.6 87.0 86.6 86.6 87.4 86.7 手腳(%)
85.4 86.2 86.6 85.4 86.2 86.2 87.0 84.9 85.8 86.6 86.0
表4-2-9 原始資料「趴姿伸直」重要觀測向度選取整體最高診斷正確率(ML 分類器)
觀測向度 1 2 3 4 5 6 7 8 9 10 平均
頭手腳(%)
87.9 87.4 87.4 87.9 87.4 86.2 87.4 84.9 86.2 87.0 87.0 手腳穩定(%)
86.6 86.2 85.8 87.0 86.2 85.8 85.8 86.2 84.9 87.0 86.2 頭手腳協同
穩定(%) 86.2 87.0 85.4 86.6 85.8 87.4 84.9 85.8 85.8 86.6 86.2 註：灰色區域表示最佳之正確診斷率
表4-2-10 二元資料「臥姿彎曲」重要觀測向度選取整體最高診斷正確率(BN 分類器) 觀測向度 1 2 3 4 5 6 7 8 9 10 平均
頭胸手腳
穩定(%) 85.3 85.4 84.9 85.8 85.4 85.4 85.4 85.4 85.8 85.4 85.4 頭胸腳協
同穩定(%) 84.9 85.3 84.9 85.4 85.4 85.0 85.3 85.3 85.4 85.4 85.2 頭胸腳穩
定(%) 84.5 85.3 84.9 84.9 85.4 84.9 84.9 85.8 85.4 84.9 85.1 註：灰色區域表示最佳之正確診斷率
表4-2-11 後驗機率值「臥姿彎曲」重要觀測向度選取整體最高診斷正確率(ML 分類器)
觀測向度 1 2 3 4 5 6 7 8 9 10 平均
胸腳協同(%) 86.6 86.2 86.2 87.4 86.6 86.6 85.4 87.0 87.4 87.0 86.7 胸手腳協同
(%) 86.6 87.0 86.2 86.2 86.2 85.4 85.8 86.2 86.2 85.4 86.1 頭腳協同(%) 84.5 84.9 84.1 85.8 84.9 84.1 84.5 84.9 85.8 85.4 84.9
註：灰色區域表示最佳之正確診斷率
表4-2-12 原始資料「臥姿彎曲」重要觀測向度選取整體最高診斷正確率(ML 分類器) 觀測向度 1 2 3 4 5 6 7 8 9 10 平均
頭手協同
穩定(%) 88.7 89.1 87.4 88.7 87.9 87.9 87.0 87.0 89.1 88.7 88.2 頭胸手協
同穩定(%) 87.9 87.4 88.3 88.7 86.6 87.4 86.6 88.3 87.9 86.6 87.6 頭手腳協
同穩定(%) 87.9 87.0 87.4 87.9 87.0 86.6 87.0 87.4 86.6 86.6 87.2
表 4-2-7~表 4-2-9 顯示，在趴姿伸直的部分：
（一）與表 4-2-1 比較，二元資料之特徵選取（頭部、胸部、手部、腳部、
協同性）在 BN 分類器可以提升診斷正確率(86.2%→86.6%)，但提升 之幅度不大。
（二）與表 4-2-2 比較，後驗機率值之特徵選取（胸部、手部、腳部）在 ML 分類器可以提升診斷正確率(83.8%→86.7%)。
（三）與表 4-2-3 比較，原始資料之特徵選取（頭部、手部、腳部）在 ML 分類器可以提升診斷正確率(83.9%→87%)。
表 4-2-10~表 4-2-12 顯示，在臥姿彎曲的部分：
（一）與表 4-2-4 比較，二元資料之特徵選取（頭部、胸部、手部、腳部、
穩定度）在 BN 分類器可以提升診斷正確率(85%→85.4%)，但提升之 幅度不大。
（二）與表 4-2-5 比較，後驗機率值之特徵選取（胸部、腳部、協同性）
在 ML 分類器可以提升診斷正確率(83.9%→86.7%)。
（三）與表 4-2-6 比較，原始資料之特徵選取（頭部、手部、協同性、穩 定度）在 ML 分類器可以提升診斷正確率(85.4%→88.2%)。
（四）由以上結果可知，不論是趴姿伸直或臥姿彎曲，都是以原始資料之 特徵選取可以獲得較高之整體診斷正確率。