XGBoost-SHAP机器学习可解释框架用于轻度认知障碍分类研究

摘要： 目的 利用机器学习算法对轻度认知障碍(mild cognitive impairment, MCI)亚型分类有利于患者的个性化治疗，而复杂模型常因分类过程的内部机制不可洞察而饱受诟病，本研究借助可解释技术梳理模型的输出结果，以期为相关领域研究者的决策提供统计支持。方法 本研究联合极限梯度提升(eXtreme Gradient Boosting, XGBoost)与沙普利可加性(... （共7页）