Loading...
机构名称:
¥ 1.0

这项研究评估了各种监督机器学习模型的性能,以分析青少年脑认知发展(ABCD)研究高度相关的神经信号传导数据,重点是预测强迫症的量表。我们模拟了一个数据集,以模仿成像数据中常见的相关结构,并评估了逻辑回归,弹性网络,随机森林和XG-增强其处理多共线性并准确识别预测特征的能力。我们的研究旨在指导选择合适的机器学习方法来处理神经影像数据,突出显示最佳捕获高特征相关性信号的模型,并确定与强迫症(OCD)相关的临床相关特征(OCD)。

arxiv:2407.00028v1 [q-bio.nc] 2024年5月14日

arxiv:2407.00028v1 [q-bio.nc] 2024年5月14日PDF文件第1页

arxiv:2407.00028v1 [q-bio.nc] 2024年5月14日PDF文件第2页

arxiv:2407.00028v1 [q-bio.nc] 2024年5月14日PDF文件第3页

arxiv:2407.00028v1 [q-bio.nc] 2024年5月14日PDF文件第4页

arxiv:2407.00028v1 [q-bio.nc] 2024年5月14日PDF文件第5页

相关文件推荐

2024 年
¥1.0
2024 年
¥1.0
2024 年
¥7.0
2024 年
¥2.0
2024 年
¥1.0
2024 年
¥4.0
2024 年
¥1.0