浅谈一下机器学习预测模型的文章套路

文章预览

其实机器学习预测模型和常规的临床预测模型构建是有相通之处的。 主要的不同之处可能就是变量选择，模型构建和评价部分了。 首先在变量选择方面，机器学习可以使用常规的套路去筛选好变量，然后通过算法去建模，同时也可以通过SHAP value等等评估变量对于结局的重要性，选择前10或者前20的变量进行建模。 在模型构建方面，对于RF、SVM、GBDT、xgboost、LightGBM、Catboost、KNN、NN、Adaboost等机器学习算法，方法学上给人一种高大上的感觉，但是无法给出方程，这也就意味着，常规预测模型的标志性列线图用机器学习算法的话是无法输出的，可以通过shap去解释机器学习模型（ SHAP值为每个特征提供了对预测结果的贡献度，从而帮助理解模型的决策过程） 最后关于模型评价部分，我们可以把机器学习当作诊断性实验来研究，通过TP，FP，TN，FN，Accuracy， ………………………………