时代变了，“SHAP” 取代“列线图”，成为预测模型文章标题的重点

文章预览

2024-2025 课程介绍 可预开发票，郑老师团队2024-25年科研统计课程预告，含机器学习、轨迹模型等 最近，老郑看了很多文献，发现现在预测模型的文章，大多数都在用机器学习来建 模和验证了，并且，可以看出，文章的题目已经不再强调“列线图”，现在文章多强调“SHAP”法。 举几个例子。 图1 使用环境挥发性有机化合物暴露识别美国人群心血管疾病风险：基于SHAP方法的机器学习预测模型 图2 糖尿病患者ICU住院期间压力损伤发生预测模型——XGBoost机器学习模型可基于SHAP进行解释 图3  基于SHAP的老年心力衰竭患者1年全因再入院风险预测建模：特征选择和模型解释 图4  解释机器学习模型对糖 尿病血糖预测的重要性：使用SHAP进行分析 在机器学习领域中， 模型的可解释性 一直备受关注，是一个重要的课题。 尽管复杂的模型如深度神经网络和集成 ………………………………