医学预测模型方法这么多，我该选择哪一个？

文章预览

内容来自：“小白学统计”微信公众号，感谢作者授权 医学预测模型可用的方法非常多，可谓眼花缭乱，随口就能说得上来的都有十几种，能用的至少几十种。 那么医学研究中的预测模型开发常用的方法到底有哪些，如何选择？ 本文结合自己的经验说一下。 不当之处，请批评。 我个人认为，可以将医学预测模型方法分为三大类： （1） 回归模型 ：这里既可以是传统的回归模型，如logistic回归、线性回归、Poisson回归；也可以是考虑收缩技术（ 或者叫做惩罚方法）的模型，如Lasso回归、弹性网络等。 （2） 非参数模型 ： 如光滑样条、广义可加模型等。 （3） 机器学习和深度学习技术 ： 如神经网络、分类树、支持向量机、随机森林、卷积神经网络等。 这种分类当然仁者见仁。 比如，机器学习和深度学习能不能归到一类，每个人有自己的不同观点 ………………………………