V
主页
机器学习特征重要性排序
发布人
打开封面
下载高清视频
观看高清视频
视频下载器
随机森林模型特征重要性排序
二分类结局随机森林重要性排序+SHAP解释
基于递归特征消除法的最佳特征筛选
多种机器学习算法实现二分类结局特征筛选
随机森林评估变量重要性并作图
四组组间差异
回归问题四种机器学习方法特征筛选及SHAP解释
机器学习中最酷的9幅图
70年老算法Dijkstra被证明普遍最优 斩获顶会FOCS 2024最佳论文
基于随机森林的Boruta算法进行特征筛选
随机森林筛选二分类结局重要特征
特征选择:Lasso和Boruta算法的结合应用
二分类结局随机森林特征筛选及模型解释
机器学习模型性能评价的四种表达方式
预测模型学习建议
回归问题Catboost模型特征筛选及SHAP解释
预测模型入门-数据整理
SHAP:用 Python 解释任何机器学习模型
径向柱形图
基于可解释机器学习模型的男性乳腺癌患者远处转移风险预测
亚组分析-森林图-PPT格式森林图
三组组间差异小提琴图+箱线图
为什么大学计算机全是深度学习?
快速绘制多个机器学习模型ROC曲线
机器学习鼻咽癌风险预测模型构建与评价
PDP图及双特征PDP图
逻辑回归模型训练、评估和解释
Python 绘制相关性矩阵
Cox回归批量单因素多因素制图
基于机器学习的模型预测中国老年冠心病合并糖耐量异常或糖尿病患者的1年死亡率
logistic先单后多确定模型变量+森林图
SCI绘图-相关性绘图(python版)
复现类森林图
多中心多任务深度学习-放在特征筛选之后用-可以每个任务分别筛选然后特征并集跑这个代码
利用SHAP解释Xgboost模型
gtsummary包完美的基线特征统计描述R包
人工智能需要哪些高级的数学知识?
多组森林图
诊断模型变量筛选的四种方法
大道至简——顶刊堆积柱状图