自动解释机器学习预测结果：以2型糖尿病风险预测为例的演示
机器学习
2018-12-10 v1 机器学习
摘要
背景：预测建模是许多医疗问题解决方案的关键组成部分。在所有预测建模方法中，机器学习方法常取得最高预测精度，但受制于一个长期未决的开放问题，阻碍其在医疗中的广泛应用。大多数机器学习模型不对其预测结果给出解释，而可解释性对于预测模型在典型医疗环境中的采用至关重要。方法：本文提出首个完整的、对任意机器学习预测模型自动解释结果且不降低精度的方法。我们对该方法进行了计算机编码实现。利用来自Practice Fusion糖尿病分类竞赛的包含美国全部50个州患者记录的电子病历数据集，我们在预测下一年2型糖尿病诊断上演示了该方法。结果：对于该竞赛的冠军机器学习模型，我们的方法对模型正确预测为下一年内有2型糖尿病诊断的患者的预测结果给出了87.4%的解释覆盖率。结论：我们的演示显示了在不降低精度的情况下自动解释任意机器学习预测模型结果的可行性。
引用
@article{arxiv.1812.02852,
title = {Automatically Explaining Machine Learning Prediction Results: A Demonstration on Type 2 Diabetes Risk Prediction},
author = {Gang Luo},
journal= {arXiv preprint arXiv:1812.02852},
year = {2018}
}