一种面向不平衡数据的心脏病风险预测可解释性框架

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

〔摘要〕 目的 研究疾病预测模型存在的类别不平衡性与不可解释性难题。方法 结合极限梯度提升（eXtreme gradient boosting， XGBoost）、混合采样和Shapley加法解释（shapley additive exPlanations， SHAP）分析，提出一种面向不平衡数据的心脏病风险预测可解释性框架ICRPI。（剩余12007字）

试读结束

目录
monitor