Loading...
机构名称:
¥ 1.0

摘要。公平分配专业的医生是一个重大的公共卫生挑战。以前的研究主要依靠经典的统计模型来估计影响医学生职业选择的因素,但本研究探讨了机器学习技术在研究早期预测决策的使用。我们使用来自瑞士和法国医学院的399名医学院的399名医学生的数据评估了各种监督模型,包括支持向量机,人工神经网络,极端梯度提升(XGBOOST)和CATBOOST。集合方法的表现优于更简单的模型,而Catboost的宏观AUROC为76%。事后解释性方法揭示了影响预测的关键因素,例如成为外科医生的动机和外向性的心理特征。这些发现表明,机器学习可用于预测医疗职业道路并为更好的劳动力计划提供信息。

评估机器学习算法以预测医学专业选择

评估机器学习算法以预测医学专业选择PDF文件第1页

评估机器学习算法以预测医学专业选择PDF文件第2页

评估机器学习算法以预测医学专业选择PDF文件第3页

评估机器学习算法以预测医学专业选择PDF文件第4页

评估机器学习算法以预测医学专业选择PDF文件第5页

相关文件推荐

2023 年
¥1.0