机器学习临床预测模型

这是一篇关于机器学习临床预测模型的思维导图，主要内容包括：14，13，12，11，10，8，7，6，9，5，4，3，2，1。

机器学习临床预测模型

• 1
  • 确定任务类型
    • 分类
      • 二分类（死亡与否、是否有效.etc）
      • 多分类（肿瘤分期、疾病亚型.etc）
    • 回归
• 2
  • 计算样本量
    • G*Power
• 3
  • 检查数据缺失值及分布
    • 缺失值分布可视化
    • 插补
• 4
  • 检查正负样本是否平衡
• 5
  • 划分训练集、验证集
    • SMOTE过采样（仅针对训练集）
• 6
  • 特征选择
    • 临床派（经验导向）
    • 工程派（数据导向）
• 7
  • 计算特征统计效力
    • F值
• 8
  • 模型构建
    • AUC
    • C-index
    • 召回率
    • F1值
    • 准确率
• 9
  • 验证集验证
• 10
  • 校准曲线
• 11
  • 计算外部验证样本量
• 12
  • 外部验证
• 13
  • DCA
• 14
  • 构建网页或工具（落地）