V
主页
p_for_trend/p_for_interaction/per_1_sd 的R语言实现
发布人
打开封面
下载高清视频
观看高清视频
视频下载器
7 .3_桑基图
限制性立方样条
回归模型:P for trend第一节
compareGroups包制作表格数据的组间趋势(p for trend)
R语言shapviz实现SHAP可视化
Cox回归亚组分析和交互作用效应
Xgboost实现模型特征选择及重要性评估
快速绘制多个机器学习模型ROC曲线
ggplot箱线图叠加散点图
KM曲线练习
LASSO路径图丑化
为什么我学R建议我兄弟学Python
四组组间差异
多模型比较因果推断
亚组分析-森林图-PPT格式森林图
机器学习算法筛选变量构建预后模型
绘制孟德尔随机化研究森林图
机器学习“黑箱模型”SHAP值可视化
XGboost和LightGBM机器学习算法特征重要性排名和 SHAP 汇总图
应用可解释性机器学习算法预测骨肉瘤远处转移图表_模仿
逻辑回归亚组分析森林图绘制
xgboost + shap可加性解释
限制性立方样条_2
三种机器学习方法预测糖尿病
Graphpad珍藏模板推荐
7.5_圆堆积图
LASSO非零系数展示(Y轴正负条形图)
R语言绘制患者纳排流程图
SHAP:用 Python 解释任何机器学习模型
亚组分析+交互作用+森林图
中老年人群累积平均TyG-BMI与心血管疾病的关联
多种机器学习算法实现二分类结局特征筛选
基于递归特征消除法的最佳特征筛选
forestplot包绘制亚组分析森林图
二分类结局随机森林重要性排序+SHAP解释
分组类森林图
PDP图及双特征PDP图
R语言实现XGBoost以及绘制ROC曲线和混淆矩阵
R语言拼图
与重症患者全因死亡相关的甘油三酯-葡萄糖指数:3026例患者队列