Skip to main content

Advertisement

Table 5 GA results, MCI to AD Conversion over 36 months.

From: Genetic algorithm with logistic regression for prediction of progression to Alzheimer's disease

Run # MC_AUC Number of Variables Variables Run # MC_AUC Number of Variables Variables (see Table 1)
1 0.86 4 10;19;24;31 26 0.85 6 10;15;19;31;34;35
2 0.82 5 1;8;10;19;24 27 0.86 6 1;10;15;19;34;31
3 0.83 5 10;18;23;25;31 28 0.86 6 1;10;15;19;25;31
4 0.83 5 1;10;14;19;23 29 0.86 6 9;15;19;24;31;35
5 0.83 5 5;9;24;23;35 30 0.86 6 9;10;15;18;23;31
6 0.84 5 10;19;21;25;31 31 0.86 6 10;15;19;24;31;35
7 0.84 5 10;16;19;20;35 32 0.87 6 1;10;15;19;24;31
8 0.85 5 10;16;19;23;35 33 0.84 7 8;10;18;25;31;33;34
9 0.85 5 10;15;16;18;31 34 0.85 7 10;16;19;23;25;31;34
10 0.85 5 10;19;20;25;31 35 0.85 7 1;10;15;19;24;31;33
11 0.85 5 9;23;25;31;35 36 0.85 7 1;8;10;15;19;25;31
12 0.85 5 10;15;19;31;35 37 0.86 7 9;10;15;18;24;31;35
13 0.86 5 10;19;24;31;35 38 0.86 7 1;10;15;19;31;34;35
14 0.86 5 10;19;24;31;35 39 0.86 7 1;8;10;15;18;25;31
15 0.83 6 5;10;15;19;31;35 40 0.86 7 1;10;15;19;31;34;35
16 0.84 6 1;3;10;19;25;31 41 0.86 7 1;10;15;19;24;31;35
17 0.84 6 1;10;19;24;30;31 42 0.87 7 1;10;15;19;31;34;35
18 0.84 6 1;15;19;20;34;35 43 0.87 7 1;10;15;19;25;31;35
19 0.84 6 10;19;23;24;31;35 44 0.87 7 1;10;15;19;25;31;35
20 0.84 6 3;10;19;23;31;35 45 0.87 7 1;10;15;19;25;31;35
21 0.85 6 1;10;19;23;31;35 46 0.87 7 10;15;16;18;20;31;35
22 0.85 6 10;16;19;24;31;35 47 0.87 7 1;10;15;19;24;31;35
23 0.85 6 9;15;18;23;31;35 48 0.85 8 3;10;15;16;19;21;25;35
24 0.85 6 8;10;15;18;25;31 49 0.86 8 1;10;15;19;24;31;35;36
25 0.85 6 1;10;15;19;23;31 50 0.87 8 1;10;15;19;24;31;32;35
  1. The MC_AUC is the accuracy of predictions measured by the AUC value. The best results involve feature sets with 4-8 variables, while longer solutions (more variables in the models) were rejected by the GA selection criteria (worse performance).