信息加载中,请等待...

主页/目录二合集/医学科研资料/医学课程合集/丁香科研【三味教育】/32.临床预测模型构建&机器学习（R语言进阶）【三味教育】/

小学初中大学电子教材大全
临床预测模型构建&机器学习（R语言进阶）-讲义等辅助资料【三味教育】
0 临床预测模型简介及课程内容概要【三味教育】.mp4
1.1 Logistic回归【三味教育】.mp4
1.2 泊松回归【三味教育】.mp4
10.1 C-statistics与C-index计算【三味教育】.mp4
10.2 净重新分类指数(NRI)与综合判别改善指数(IDI)的计算【三味教育】.mp4
10.3 临床预测模型的校准度评价：Calibration曲线的绘制【三味教育】.mp4
10.4 预测模型的临床有效性评价：决策曲线分析（DCA）方法【三味教育】.mp4
11.1 诊断试验数据处理方法【三味教育】.mp4
11.2 ROC曲线绘制及AUC计算【三味教育】.mp4
11.3 多指标联合诊断的 R 实现【三味教育】.mp4
12.1 主成分分析【三味教育】.mp4
12.2 因子分析【三味教育】.mp4
12.3 聚类分析【三味教育】.mp4
13.1 K最近邻法【三味教育】.mp4
13.2 支持向量机【三味教育】.mp4
14.1 回归树【三味教育】.mp4
14.2 分类树【三味教育】.mp4
14.3 随机森林【三味教育】.mp4
14.4 梯度提升【三味教育】.mp4
15.1 神经网络【三味教育】.mp4
15.2 深度学习【三味教育】.mp4
16.1 时间序列分析【三味教育】.mp4
16.2 时间序列预测【三味教育】.mp4
2.1 无序多分类Logistic回归【三味教育】.mp4
2.2 等级Logistic回归【三味教育】.mp4
3.1 Logistic回归建模【三味教育】.mp4
3.2 判别分析【三味教育】.mp4
4.1 倾向性匹配得分(PSM)分析【三味教育】.mp4
5.1 最优子集与岭回归建模【三味教育】.mp4
5.2 Lasso 回归建模【三味教育】.mp4
5.3 弹性网络建模【三味教育】.mp4
5.4 交叉验证与模型选择【三味教育】.mp4
6.1 K-M分析与Log-rank检验【三味教育】.mp4
6.2 Cox比例风险模型【三味教育】.mp4
7.1 竞争风险概念与Fine&Gray检验【三味教育】.mp4
7.2 竞争风险模型在R语言实现【三味教育】.mp4
8.1 多元回归中变量筛选常用方法【三味教育】.mp4
8.2 临床研究中亚组分析及森林图绘制【三味教育】.mp4
8.3 临床研究中敏感性分析及结果表达【三味教育】.mp4
9.1 临床预测模型典型案例解读【三味教育】.mp4
9.2 临床预测模型构建的一般方法【三味教育】.mp4
9.3 Logistic回归模型的可视化及Nomogram列线图的绘制【三味教育】.mp4
9.4 Cox回归模型的可视化及Nomogram列线图的绘制【三味教育】.mp4
系统使用教程