V
主页
预后模型连续变量取最佳cutoff值_基于ROC
发布人
打开封面
下载高清视频
观看高清视频
视频下载器
诊断模型连续变量取最佳cutoff值_基于ROC
Logistic回归拆分数据集+列线图+ROC+校准曲线+决策曲线
机器学习算法筛选变量构建预后模型
连续变量取最佳cutoff值: 基于限制性立方样条 (RCS)
KM曲线取连续变量的最佳cutoff值
多模型ROC曲线添加图例和AUC
快速绘制多个机器学习模型ROC曲线
预后模型列线图
预后模型LASSO筛选变量
预后模型筛选预测变量的方法
预后模型risk_score及ROC曲线
随机森林评估变量重要性并作图
预后模型C-index
logistic先单后多确定模型变量+森林图
预后模型列线图和校准曲线绘制
经典诊断模型全流程基线表_列线图_ROC_校准曲线_DCA_CIC
多条ROC曲线的AUC整体比较
两个模型ROC曲线画在同一张图上
开发和验证基于机器学习的预测模型,用于评估自发性脑出血患者的90天预后结果
预后模型多因素Cox回归
预测肺隐球菌病患者不良预后的列线图模型的构建及验证
诊断模型变量筛选的四种方法
不同血红蛋白糖基化指数与冠心病危重症患者不良预后关系的风险分析-基于MIMIC - IV数据库的研究
固定ROC曲线长宽比例
肝部分切除术后肝内胆管细胞癌的预后列线图
预后模型KM_survival
临床预测模型图表概述
R语言实现XGBoost以及绘制ROC曲线和混淆矩阵
R语言实现随机森林(RF)以及绘制ROC曲线和混淆矩阵
预后限制性立方样条
批量进行N个连续变量的两组正态性检验
R语言实现逻辑回归(LR)以及绘制ROC曲线和混淆矩阵
二分类随机森林+LASSO筛选变量+列线图
Xgboost实现模型特征选择及重要性评估
ST段抬高型心肌梗死患者出院后死亡风险的预后模型
五种评分系统对脓毒症相关急性呼吸衰竭患者预后的预测价值
利用SHAP解释Xgboost模型
可解释的危重患儿急性肾损伤预后预测模型的识别与验证:一项前瞻性多中心队列研究
机器学习模型SHAP解释——R语言
回归模型:P for trend第一节