换一批摘要临床预测模型可用于多种医疗场景,而变量筛选是建立临床预测模型的关键步骤之一.变量筛选是从可用的候选变量列表中,筛选出对预测结局影响最大的变量,同时剔除不相关或冗余的变量.变量筛选方法大致可分为基于回归分析(向后消除法、向前筛选法、逐步筛选法、全子集筛选法、Lasso和弹性网络)和基于机器学习(随机森林、正则化随机森林、Boruta、梯度提升特征筛选)两大类.本文介绍了变量筛选的概念、流程,总结不同变量筛选方法的特点、停止规则,并比较分析各自的优缺点.
更多相关知识
关键词
临床预测模型变量筛选回归分析机器学习clinical prediction modelsvariable selectionregression analysismachine learning
分类号
R2-03（中国医学理论）
栏目名称
DOI
10.3969/j.issn.2095-6606.2024.02.002
发布时间
2024-05-15（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（No.82374298）
- 浏览31
- 被引27
- 下载34
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
