使用 Azure 机器学习工作室评估医院病例成本预测模型

准确进行医院病例成本建模与预测的能力对于高效的医疗财务管理和预算规划至关重要。多种回归机器学习算法已知对医疗成本预测有效。本实验的目的是构建一个 Azure 机器学习工作室工具，用于快速评估多种类型的回归模型。该工具在一个统一实验中提供了比较 14 种回归模型的环境：线性回归、贝叶斯线性回归、决策森林回归、提升决策树回归、神经网络回归、泊松回归、高斯过程回归、梯度提升机、非线性最小二乘回归、投影寻踪回归、随机森林回归、稳健回归、带 mm 型估计器的稳健回归、支持向量回归。该工具使用五种性能指标将按模型准确度排列的评估结果呈现在单一表格中。对用于医院病例成本预测的回归机器学习模型的评估表明，稳健回归模型、提升决策树回归和决策森林回归具有优势。该可用工具已发布到网上，并公开供实验和扩展使用。