机器学习R语言课程,本课程共7.67 GB,可通过百度网盘转存下载或者在线播放此“临床预测模型构建&机器学习(R语言进阶)”课程。
不写综述或Meta分析、不做基础实验,也能完成SCI?
可以,利用临床数据构建临床预测模型不失为一个有效的途径。
利用参数、半参数或机器学习的算法构建临床预测模型(Clinical PredictionRules, CPRs)在医学研究领域广受重视,也是将临床资料向临床应用转化的重要方法之一。
很多团队都在尝试建立各种各样的疾病诊断或是治疗的预测模型,发表的相关文章数也逐年递增。但是临床预测模型的很多理论特别是软件实现方法又较难自学。
因此我们特邀医学统计大咖继续从临床医生的视角讲解基于 R 语言的临床预测模型构建和机器学习算法在医学中的运用。
课程特点
1. 讲师作为一名临床医生,更了解学员需求,知道哪些是学员想掌握的,哪些是会超出学员能力范围的。
2. 课堂教学使用材料均为实战数据,深入讲授医学统计分析的新方法、难方法,带你占领数据分析的制高点。
课程目录
0 临床预测模型简介及课程内容概要.mp4
1.1 Logistic回归.mp4
1.2 泊松回归.mp4
2.1 无序多分类Logistic回归.mp4
2.2 等级Logistic回归.mp4
3.1 Logistic回归建模.mp4
3.2 判别分析.mp4
4.1 倾向性匹配得分(PSM)分析.mp4
5.1 最优子集与岭回归建模.mp4
5.2 Lasso 回归建模.mp4
5.3 弹性网络建模.mp4
5.4 交叉验证与模型选择.mp4
6.1 K-M分析与Log-rank检验.mp4
6.2 Cox比例风险模型.mp4
7.1 竞争风险概念与Fine&Gray检验.mp4
7.2 竞争风险模型在R语言实现.mp4
8.1 多元回归中变量筛选常用方法.mp4
8.2 临床研究中亚组分析及森林图绘制.mp4
8.3 临床研究中敏感性分析及结果表达.mp4
9.1 临床预测模型典型案例解读.mp4
9.2 临床预测模型构建的一般方法.mp4
9.3 Logistic回归模型的可视化及Nomogram列线图的绘制.mp4
9.4 Cox回归模型的可视化及Nomogram列线图的绘制.mp4
10.1 C-statistics与C-index计算.mp4
更多课程资源-www.1000n.com
10.2 净重新分类指数(NRI)与综合判别改善指数(IDI)的计算.mp4
10.3 临床预测模型的校准度评价:Calibration曲线的绘制.mp4
10.4 预测模型的临床有效性评价:决策曲线分析(DCA)方法.mp4
11.1 诊断试验数据处理方法.mp4
11.2 ROC曲线绘制及AUC计算.mp4
11.3 多指标联合诊断的 R 实现.mp4
12.1 主成分分析.mp4
12.2 因子分析.mp4
12.3 聚类分析.mp4
13.1 K最近邻法.mp4
13.2 支持向量机.mp4
14.1 回归树.mp4
14.2 分类树.mp4
14.3 随机森林.mp4
14.4 梯度提升.mp4
15.1 神经网络.mp4
15.2 深度学习.mp4
16.1 时间序列分析.mp4
16.2 时间序列预测.mp4
评论0