qq_44505899的博客

论文为《TabNet: Attentive Interpretable Tabular Learning》发表于2021年，属于Google Cloud AI。该研究针对表格数据提出了一种新的深度神经网络（DNN）架构TabNet，旨在解决传统深度学习在表格数据上表现不如决策树模型的问题，同时提升性能和可解释性。TabNet模型融合了多种先进思想：它将（赋予模型动态、稀疏地“聚焦”于最重要特征的能力）、（分步、迭代地做出决策）以及。

链接：https://77eudujipaycofd6zvtuzo.streamlit.app/#feature-importance。

在做很多分析时，最常问的问题是：“这个新干预/措施到底有没有用？传统的因果分析方法，比如我们熟知的A/B测试，能很好地回答这个问题。它会给我们一个。比如，在A干预相较于B干预死亡率降低2.2%。随着个体化医疗和精准医学相关研究的进展，研究者越来越关心研究效应的异质性即由于个体异质性的存在, 采用相同药物或治疗方法的患者往往会在治疗效果上产生差异,这也使得将临床试验结果直接转化到个体患者变得困难，并非所有患者的治疗效果都与参加试验患者的平均效果相似, 因此对个体处理效应的估计变得尤为重要。

PyCaret 是一款强大的自动机器学习工具包，它将数据预处理、数据集划分、模型训练、调参、模型性能验证以及可视化等一系列复杂操作集成于简单易用的命令之中，极大地降低了机器学习的入门门槛，即使是初学者也能轻松上手并高效地完成模型训练。此外，PyCaret 还支持诸如堆叠（stacking）和提升（boosting）等高级操作，用户可以通过查阅官方文档深入学习更多功能。PyCaret 根据不同的任务类型，可划分为以下几大模块：（1）分类任务（例如预测生存与否、并发症发生与否等）；（2）回归任务；

临床统计样本量计算

亮点（可借鉴）：（1）多中心数据，多中心特征的分布情况对模型泛化性能力的表征；（2）围术期不同时间阶段特征对模型性能，特征重要性的比较；（3）亚组分析；（4）不同条件下（不同缺失程度，不同特征数量）模型的性能比较；

MIMIC数据库在windows系统上的安装部署（包含mimic_derived部分）