实体
SHAP analysis
SHAP analysis
PulseAugur coverage of SHAP analysis — every cluster mentioning SHAP analysis across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的机器学习方法利用昼夜节律进行抑郁症筛查
研究人员开发了一种新的机器学习方法，用于抑郁症筛查和干预，重点关注昼夜节律模式。他们引入了昼夜节律评分（CRS）来统一表示多领域日常行为，该评分被证明对抑郁症筛查有效。该框架利用梯度提升树和SHAP分析，揭示了昼夜节律与抑郁症风险之间存在非线性关联。在中国健康与养老追踪调查数据集上的实验显示，该方法具有稳健的筛查性能，ROC-AUC为0.825，并确定了运动和午睡的可操作阈值。
-
新型机器学习模型使用昼夜节律评分进行抑郁症筛查
研究人员开发了一种新的机器学习方法，通过分析行为数据来筛查抑郁症。他们创建了一个“昼夜节律评分”（CRS）来整体表示日常行为，该评分在预测方面几乎与原始数据一样有效。该框架利用梯度提升树和SHAP分析，提供了可解释性，并识别了昼夜节律与抑郁风险之间的非线性关联。对大型数据集的实验表明，CRS达到了0.825的ROC-AUC，并提出了用于缓解抑郁风险的运动和午睡的可操作阈值。
-
机器学习框架将lncRNA与2型糖尿病联系起来
研究人员开发了一种新颖的多模态机器学习框架，用于分析长链非编码RNA (lncRNA) 与2型糖尿病 (T2D) 之间的关联。该方法整合了来自两个独立队列的十种不同lncRNA的表达、二级结构和序列特征。该框架利用八个机器学习分类器和SHAP分析，提供群体和个体特异性的疾病关联谱，从而加深对T2D机制的理解并支持精准医疗。