临床预测模型又称临床预测规则，预测模型或者风险评分。利用多因素模型估算当前患有某病的概率或者将来某结局发生的概率。

机器学习是人工智能的一个分支，旨在通过算法和统计模型指计算机系统能够从数据中学习并作出决策或预测。1）特点数据驱动：机器学习依赖于大量的数据进行训练，通过提取数据中的模式和规律来构建模型。算法支持：包括监督学习（如分类、回归），非监督学习（如聚类、降维），强化学习等。持续改进：模型通过新数据的输入，可以不断优化其性能和预测能力。2）机器学习应用领域模式识别，数据挖掘，统计学习，计算机视觉，语音识别

逻辑回归与KNN代码

评估分类模型性能的表格，展示预测结果与真实标签的对应关系量化模型的分类准确性识别错误类型（假阳性/假阴性）计算多种评估指标的基础TP (True Positive)：正确预测的正例FP (False Positive)：错误预测的正例FN (False Negative)：错误预测的负例TN (True Negative)：正确预测的负例准确率 (Accuracy) = (TP+TN)/(TP+F

支持向量机(Support Vector Machine,SVM)是 一类按监督学习方式对数据进行二元分类的广义线性分类器(generalized linear classifier), 其决策边界是对学习样本求解的最大边距超平面。与逻辑回归和神经网络相比，支持向量机，在学习复杂的非线性方程时提供了一种更为清晰，更加强大的方式。1)算法思想找到集合边缘上的若干数据(称为支持向量，SupportVe

支持向量机(Support Vector Machine,SVM)是 一类按监督学习方式对数据进行二元分类的广义线性分类器(generalized linear classifier), 其决策边界是对学习样本求解的最大边距超平面。与逻辑回归和神经网络相比，支持向量机，在学习复杂的非线性方程时提供了一种更为清晰，更加强大的方式。1)算法思想找到集合边缘上的若干数据(称为支持向量，SupportVe

单因素分组为两个或以上水平，资料类型为二分类或多分类资料，设计类型为随机设计的行列表资料，研究目的是比较多组率或构成比分布，采用卡方检验。

机器学习是人工智能的一个分支，旨在通过算法和统计模型指计算机系统能够从数据中学习并作出决策或预测。1）特点数据驱动：机器学习依赖于大量的数据进行训练，通过提取数据中的模式和规律来构建模型。算法支持：包括监督学习（如分类、回归），非监督学习（如聚类、降维），强化学习等。持续改进：模型通过新数据的输入，可以不断优化其性能和预测能力。2）机器学习应用领域模式识别，数据挖掘，统计学习，计算机视觉，语音识别