利用LIME对脓毒症预测模型进行可解释性分析
【摘要】 针对机器学习应用于脓毒症预测存在预测准确率低和可解释性不足的问题，提出了利用对基于机），首先通过器学习的脓毒症预测模型进行可解释性分析。模型由预测和解释两部分组成:预测部分使用（LR预测指标对模型进行解释。实验结果表明，通过曲线下面积（对提取到的特征进行分类;解释部分使用模型进行脓毒症预测的准确率为进行特征提取，再利用（准确率:XGBoost+LRXGBoost）和LR:，AUROC）为（准确率:0.984，优于单独使用，:）或者0.556测模型进行可解释性分析，提高了模型的可信度。AUROCLGBM0.97490%XGBoost），同时通过95%AUROC能有效地提取出前0.953LIME10LIME和线性回归XGBoostLIME模型提取出关键的，受试者工作特征:，AUROC个最重要的指标，对脓毒症预99%（准确率:53%LR
