郑老师统计——Python机器学习预测模型及其SHAP解释全套代码附带直播教学课程。
包含
Python
二分类、生存机器学习预测模型及其解释性的全套代码，附带直播课程详细讲解，代码如何使用，从Python入门，数据预处理到模型构建（
包含
常见机器学习模型构建、模型调参），以及模型结果可解释性解读（SHAP、LIME）等，全流程直播讲解。
全套代码基于Python，按照
已经发表的SCI
论文
的分析流程编写并整理代码，运行代码就能得到你的SCI。
Python
二分类机器学习预测模型及其解释性流程及部分结果
绘图包括：
①单条ROC、校准曲线、DCA曲线绘制；
②单一模型训练集和测试集曲线绘制；
③训练集、测试集对比基线表格制作；
④所有模型
ROC、校准曲线、
DCA曲线绘制；
⑤
SHAP特征重要性条形图、特征重要性蜂群图、
变量相关性
及解释性
散点图、
瀑布图、
力图
-
所有模型的验证集预测效果（AUC及其95%置信区间、准确率、灵敏度、特异度）
整套代码，
从
数据处理→模型训练→调参优化→模型验证→图表绘制
，完整复现顶刊研究路径。
并包含了使用的示例数据，数据准备的指导、相关代码的解释。（全程直播课程讲解）
可以添加下方助教微信咨询详情，
购买整套代码及附带直播课程！
整套代码一经售出，
加入专属学习群、
课程永久回放+课程群答疑+1到2周1次统计问题直播答疑
，答疑时限1年！
