汽车模型和特征权重和排名的变化

DocMusher

问题:

1. 如果一个功能的权重根据所使用的模型而发生巨大变化，那么5个最重要功能的排名在模型之间就会有很大的变化。因为这些特征有一个与患者群体相关的背景，而且我们认为从时间开始到急诊室非常重要，所以我们真的在寻找一些更同质的结果。

2. 接下来我想部署和评分(20%)最有弹性的模型。由于我的笔记本内存太低，我被困在了评分的最后一部分。

有没有RM的朋友可以看一下我的数据，在部署后给我看一些评分结果?

数据集(附CSV格式)

用于模型开发的数据来自比利时根克市Ziekenhuis Oost-Limburg的当地电子健康记录系统(HIX(6.1版本HF96)，荷兰阿姆斯特丹Chipsoft公司)。在数据库查询后，数据被去识别，导致2017年1月至2019年2月期间入院的患者数据具有高度提示中风的症状(n=796)。

我们重点关注的功能有:

性别、年龄、血糖、署, Pre-Stroke夫人， Time Onset To ER，致密动脉标志，糖尿病，缺血早期症状，急性中风史，高胆固醇血症，肥胖，结局悲惨，吸烟

特征整个数据集的特征

功能	失踪(%)	无限(%)	ID-ness (%)	稳定(%)	有效(%)	数(男性)	数(女)	百分比(男性)	百分比(女)
性	0	0	0.25	51.38	48.37	409	387	51.4	48.6

功能	失踪(%)	无限(%)	ID-ness (%)	稳定(%)	有效(%)	最低	最大	平均	SD
年龄(年)	0	0	66	1.76	91.58	25.20	97.61	73.23	13.23
血糖(mg / dl)	5.03	0	20.60	2.25	72.12	45	413	128.53	42.81
署	3.27	0	3.89	12.47	80.37	0	30.	7.73	7.40
Pre-Stroke夫人	4.77	0	0.75	51.45	43.02	0	5	0.94	1.24
Time Onset To ER (min)	32.04	0	34.30	3.88	29.79	0	36202	272.4	1580.35
功能	失踪(%)	无限(%)	ID-ness (%)	稳定(%)	有效(%)	计数(是的)	计数(没有)	百分比(是的)	比例(不)
致密动脉标志	15日,70年	0	0.25	62.44	21.60	419	252	62.4	37.5
糖尿病	0	0	0.25	75.38	24.37	196	600	24.6	75.4
缺血的早期迹象	10.43	0	0.25	77.84	11.48	158	555	22.2	77.8
急性中风病史	0	0	0.25	55.28	44.47	356	440	44.7	55.3
高胆固醇血症	13.32	0	0.25	55.36	31.07	308	382	44.6	55.4
高血压	11.93	0	0.25	68.05	19.77	477	224	68.0	32.0
肥胖	27.51	0	0.25	74.35	0	148	429	25.7	74.3
悲惨的结果	0.75	0	0.25	84.30	14.69	124	666	15.70	84.30
吸烟	21.86	0	0.25	63.83	14.06	225	397	63.8	36.2

脑卒中的解剖定位(患者人数，患者比例)(缺失:8.79%;无限:0%;ID-ness: 0.5%;稳定性:45.32%;有效:45.39%)

远端	329	0.45
前	236	0.33
没有局部贫血	99	0.14
后	62	0.09

治疗((患者人数，患者比例)(缺失:0%;无限:0%;ID-ness: 0.5%;稳定性:65.20%;有效:34.30%)

保守的	519	0.65
溶栓	127	0.16
血栓切除术	89	0.11
溶栓和血栓切除术	61	0.08

结果(标签)

急性缺血性脑卒中入院患者的功能预后由3个月改良Rankin评分(mRS)评分值决定。将mRS评分离散到不同的箱子中，生成一个标签:

mRS得分为5、6分的人被贴上了“痛苦”的标签

mRS得分为0、1或2的被标记为:“有利”

mRS得分为3、4分被标记为:“中等”。

我们的兴趣主要集中在分别用改良Rankin量表(Modified Rankin Scales) 0 - 2和5,6量化结果良好和糟糕的患者。

分析是分类:非惨带兴趣惨类

模型	分类错误	标准偏差	收益	总时间	训练时间(1000排)	评分时间(1000行)
朴素贝叶斯	0, 2	0,0	0,0	46301年0	253年,2	4224年,7
广义线性模型	0 1	0,0	10日0	55190年0	341年,8	2389年,2
逻辑回归	0 1	0,0	12日0	41313年0	183年,5	2632年,9
快大利润	0, 2	0 1	0,0	31927年0	349年,4	1651年,9
深度学习	0, 2	0,0	2、0	38505年0	1941年,8	1259年,5
决策树	0, 2	0,0	0,0	25352年0	108年,9	1107年,6
随机森林	0 1	0,0	12日0	89713年0	289年,9	1955年,7
梯度增加了树木	0, 2	0,0	0,0	130128年0	364年,6	1145年,6
支持向量机	0, 2	0,0	0,0	136227年0	1191年,1	4604年,4