XGBoost-SHAP機(jī)器學(xué)習(xí)可解釋框架用于輕度認(rèn)知障礙分類研究
中國(guó)衛(wèi)生統(tǒng)計(jì)
頁數(shù)： 7 2024-06-25
摘要： 目的 利用機(jī)器學(xué)習(xí)算法對(duì)輕度認(rèn)知障礙(mild cognitive impairment, MCI)亞型分類有利于患者的個(gè)性化治療，而復(fù)雜模型常因分類過程的內(nèi)部機(jī)制不可洞察而飽受詬病，本研究借助可解釋技術(shù)梳理模型的輸出結(jié)果，以期為相關(guān)領(lǐng)域研究者的決策提供統(tǒng)計(jì)支持。方法 本研究聯(lián)合極限梯度提升(eXtreme Gradient Boosting, XGBoost)與沙普利可加性(... （共7頁）
APP 