Machine Learning Model for Imbalanced Cholera Dataset in Tanzania

Table 5

Classifiers with a detailed range of sensitivity, specificity, and balanced accuracy.

Classifiers	Sensitivity score	Specificity score	Balanced accuracy score
Plain Classifiers
XGB	0.055+-0.08	0.995+-0.006	0.525+-0.04
K-NN	0.095+-0.103	0.985+-0.014	0.54+-0.053
DT	0.119+-0.116	0.98+-0.016	0.549+-0.061
RF	0.166+-0.137	0.981+-0.016	0.574+-0.072
ExtraTrees	0.114+-0.113	0.984+-0.015	0.549+-0.06
AdaBoost	0	0.997+-0.005	0.498+-0.003
LDA	0	1	0.5
Oversampling Classifiers
XGB	0.801+-0.148	0.742+-0.053	0.772+-0.079
K-NN	0.656+-0.24	0.83+-0.042	0.743+-0.123
DT	0.579+-0.17	0.882+-0.032	0.73+-0.09
RF	0.632+-0.156	0.88+-0.034	0.756+-0.085
ExtraTrees	0.589+-0.161	0.88+-0.032	0.734+-0.085
AdaBoost	0.708+-0.206	0.707+-0.058	0.707+-0.103
LDA	0.593+-0.23	0.594+-0.051	0.593+-0.111
PCA Classifiers
XGB	0.056+-0.096	0.9912+-0.01	0.524+-0.049
K-NN	0.061+-0.09	0.989+-0.013	0.525+-0.045
DT	0.119+-0.117	0.983+-0.015	0.551+-0.062
RF	0.153+-0.121	0.983+-0.016	0.568+-0.063
ExtraTrees	0.114+-0.113	0.984+-0.015	0.549+-0.06
AdaBoost	0	0.999+-0.004	0.5
LDA	0	1	0.5
PCA/Oversampling Classifiers
XGB	0.805+-0.169	0.73+-0.05	0.767+-0.09
K-NN	0.705+-0.199	0.828+-0.034	0.767+-0.105
DT	0.596+-0.163	0.879+-0.032	0.737+-0.086
RF	0.645+-0.155	0.877+-0.031	0.761+-0.082
ExtraTrees	0.585+-0.19	0.879654+-0.033950	0.732+-0.102
AdaBoost	0.691+-0.168	0.731+-0.040	0.711+-0.087
LDA	0.534+-0.226	0.622+-0.072	0.578+-0.117