为有效评估患者的病情程度，精准确定患者的住院优先级，快速高效地利用有限的医疗资源，文章通过对来自Sírio-Libanês数据智能团队公开的原始数据集进行数据预处理和分析，运用SHAP组件对显著的特征进行提取，基于CatBoost算法对模型进行训练并评估性能，最终实现患者住院优先级预测模型，其准确率达90%,并优于随机森林、支持向量机和朴素贝叶斯这3种传统机器学习模型。
科研之友
微信
新浪微博
Facebook
分享链接
