研究人员开发了GRASP，一个用于医学预测任务的特征选择新框架。GRASP结合了Shapley值归因和组$L_{21}$正则化，以识别紧凑且可解释的特征集。该方法旨在通过提供更稳定、冗余更少的特征选择，同时保持或提高预测准确性，来改进现有的LASSO等技术。 AI
影响 引入了一种新颖的医学预测特征选择方法，有望提高模型的可解释性和稳定性。
排序理由 这是一篇详细介绍医学预测特征选择新框架的研究论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
GRASP框架通过强大的特征选择增强医学预测能力
报道来源 [1]
-
GRASP: group-Shapley feature selection for patients
arXiv:2602.11084v2 Announce Type: replace-cross Abstract: Feature selection remains a major challenge in medical prediction, where existing approaches such as LASSO often lack robustness and interpretability. We introduce GRASP, a novel framework that couples Shapley value driven…