灭火易燃性评估研究采用机器学习（XGBoost、LightGBM等）与SHAP解释性分析，结合植被指数（NDVI）、地形（坡度、海拔）及气象 ...
本研究提出一种基于XGBoost机器学习模型的无创性糖尿病肾病（DKD）早期检测方法，通过SHAP（SHapley Additive exPlanations）可解释性分析验证估测心输出量（eCO）等四项临床指标（BMI、腰围、糖尿病病程）的预测价值。该模型在跨种族验证中AUC达0.75，为资源有限地区 ...
一些您可能无法访问的结果已被隐去。
显示无法访问的结果