模型中仅使用常见的生命体征和实验室检测指标,通过有效的数据预处理和XGBoost模型参数调整,取得了良好的AKI早期风险预测性能。然后,利用SHAP 估计的Shapley值从全局和局部两个角度对预测模型进行解释。解释结果不依赖所使用的预测模型,这保证了结果的可靠性并为解决临床问题提供更多的证据支撑。这些成为这项工作的主要贡献...
采用XGBoost模型,构建基于6个特征参数的地表峰值加速度(PGA)预测模型。通过对比实测记录和一维数值模拟计算结果,表明本文建立的XGBoost模型预测结果稳定,能较好的预测PGA,训练集和测试集的决定系数均大于0.925,平均绝对百分比误差均在20%左右。同时引入SHAP对输入特征与预测结果之间的影响和依赖性进行分析,增强了模型的可...
1、本发明的目的是提供基于xgboost-shap和随机参数多元logit模型的道路适驾性评估方法,将可解释机器学习方法与随机参数多元logit模型相结合,探讨道路环境美学特征对纵向和横向危险驾驶行为的影响,提出了一种基于道路环境美学的道路适驾性评价模型,评价模型具有较高的精度,揭示了道路环境美学的固定和随机影响,同时考虑了均值...
本研究调查了两种机器学习预测模型 (Light GBM和XGBoost) 的非线性拟合能力,用于预测快速氯离子渗透测试 (RCPT) 的值。通过利用201组的实验数据记录,将混凝土的老化、胶凝材料含量、水胶比、偏高岭土的用量以及粗细骨料的含量作为输入变量,使用网格搜索优化对模型进行训练,以调整设置参数,从而为模型产生最佳性能。 图1...