研究人员开发了一个新的基准数据集，该数据集源自 NHANES 加速度计数据，用于评估用于预测心脏代谢风险的表格学习方法。该基准包含 1,381 名成年人的数据，评估了岭回归、XGBoost 和 TabPFN v2 基础模型在预测 HbA1c、甘油三酯和 CRP 方面的性能。TabPFN v2 在 HbA1c 和 CRP 预测方面表现最佳，但甘油三酯的预测仍然困难。研究还强调了预测区间在人口覆盖公平性方面存在的问题，特别是对某些亚组。 AI
影响 该基准有望带来更准确、更公平的预测健康风险的人工智能模型，从而改善临床决策。
排序理由 该集群包含一篇研究论文，详细介绍了新的基准数据集以及用于健康相关预测的机器学习模型的评估。
- glycated haemoglobin (HbA1c)
- NHANES Accelerometry Cardiometabolic Benchmark
- TabPFN v2
- ridge regression
- XGBoost
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
