Table 5.

Performance criteria of machine learning algorithms for predicting relapse of childhood acute lymphoblastic leukemia

Dataset		Method		Sensitivity			Specificity			PPV			NPV			Accuracy			AUC
				Mean	SD		Mean	SD		Mean	SD		Mean	SD		Mean	SD		Mean	SD
Train		SVM		0.90	0.033		0.84	0.046		0.85	0.031		0.90	0.026		0.87	0.017		0.87	0.018
		LS-SVM		0.98	0.011		0.76	0.082		0.81	0.054		0.98	0.015		0.87	0.043		0.87	0.044
		ANN		0.89	0.044		0.88	0.032		0.88	0.029		0.89	0.037		0.89	0.031		0.88	0.031
		NB		0.92	0.028		0.67	0.047		0.73	0.026		0.90	0.028		0.79	0.023		0.79	0.022
		Bagging		0.97	0.019		0.93	0.024		0.93	0.020		0.97	0.017		0.95	0.014		0.95	0.014
		Boosting		1.00	0.00		1.00	0.00		1.00	0.00		1.00	0.00		1.00	0.00		1.00	0.00
		DT		0.94	0.031		0.88	0.048		0.89	0.039		0.94	0.027		0.91	0.023		0.91	0.022
		RF		1.00	0.00		1.00	0.00		1.00	0.00		1.00	0.00		1.00	0.00		1.00	0.00
		LR		0.72	0.048		0.67	0.043		0.69	0.029		0.70	0.030		0.69	0.028		0.69	0.028
		LDA		0.74	0.058		0.67	0.049		0.69	0.025		0.73	0.033		0.71	0.026		0.71	0.025
Test		SVM		0.87	0.052		0.68	0.094		0.74	0.069		0.83	0.068		0.77	0.046		0.77	0.045
		LS-SVM		0.96	0.030		0.62	0.098		0.72	0.063		0.93	0.042		0.79	0.051		0.79	0.049
		ANN		0.82	0.060		0.65	0.094		0.70	0.075		0.78	0.073		0.73	0.053		0.74	0.052
		NB		0.88	0.052		0.59	0.086		0.69	0.063		0.82	0.068		0.74	0.045		0.74	0.043
		Bagging		0.91	0.041		0.66	0.091		0.73	0.062		0.87	0.056		0.79	0.044		0.79	0.045
		Boosting		0.97	0.019		0.71	0.081		0.77	0.058		0.96	0.029		0.84	0.042		0.84	0.041
		DT		0.86	0.060		0.63	0.088		0.70	0.062		0.82	0.073		0.74	0.045		0.74	0.044
		RF		0.64	0.083		0.96	0.025		0.73	0.070		0.94	0.037		0.80	0.050		0.81	0.083
		LR		0.70	0.067		0.59	0.096		0.63	0.073		0.66	0.073		0.64	0.047		0.64	0.046
		LDA		0.71	0.076		0.59	0.087		0.64	0.064		0.67	0.079		0.65	0.040		0.65	0.039