XGBoost-SHAP機器學習可解釋框架用于輕度認知障礙分類研究

摘要： 目的 利用機器學習算法對輕度認知障礙(mild cognitive impairment, MCI)亞型分類有利于患者的個性化治療，而復雜模型常因分類過程的內部機制不可洞察而飽受詬病，本研究借助可解釋技術梳理模型的輸出結果，以期為相關領域研究者的決策提供統(tǒng)計支持。方法 本研究聯合極限梯度提升(eXtreme Gradient Boosting, XGBoost)與沙普利可加性(... （共7頁）