预测模型
分类算法
逻辑回归、决策树、随机森林、SVM等分类模型，用于疾病预测、风险分层等二分类和多分类问题。
- 二分类问题（如疾病有无、风险高低）
- 多分类问题（如疾病分型、预后分级）
- 自动特征重要性评估和可视化
- 支持不平衡数据处理和交叉验证
预测模型
回归算法
线性回归、岭回归、LASSO回归、梯度提升回归等，用于预测连续变量如疾病进展时间、治疗效果评分。
- 简单和多元线性回归模型
- 正则化回归（LASSO、岭回归）
- 非线性回归和树模型回归
- 自动特征选择和模型优化
探索性分析
聚类分析
K-means、层次聚类等算法，用于患者分群、疾病亚型识别和医学数据的探索性分析。
- K-means和K-medoids聚类算法
- 层次聚类和密度聚类方法
- 聚类效果评估和最佳簇数推荐
- 聚类结果可视化和特征分析
高级建模
深度学习
预训练神经网络模型，用于医学影像识别、自然语言处理和复杂医疗数据的模式识别。
- 卷积神经网络(CNN)用于影像分析
- 循环神经网络(RNN)用于时序数据分析
- 预训练模型微调，减少数据需求
- 模型解释工具，提升可解释性