arXiv 机器学习· Yanni Sun, Zheng Qu, Kevin Ren, Zhanglin Lin Cui·· 8 小时前AI 评分29
基于 CatBoost 与 SHAP 的临床可解释生物学年龄评估
Clinically Interpretable Biological Age Estimation Using CatBoost and SHAP with Continuous and Categorical Features from NHANES
AI 导读
研究人员基于 NHANES 数据集开发了一套用于生物学年龄评估的临床可解释机器学习框架。该方法利用 CatBoost 回归模型整合 44 项连续与分类特征，在测试集上预测结果与实际年龄呈现强相关（Pearson r = 0.798，P < 0.001）。团队还引入自动化定量 SHAP 分析以提取特征阈值与效应量，提升了生物老化研究与精准健康的透明度。
来源：arXiv 机器学习 · arxiv.org