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。因此一般机器学习方面的文章不会输出那种通俗易懂的评分量表以及列线图，可能就直接进入模型评价部分了。 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，Pre ………………………………