匿名电子病例信息不全？深度学习能更好的判断出种族（代码开源）

正文

请到「今天看啥」查看全文

在这个研究中，他们发现深度神经网络比其他方法（例如逻辑回归、随机森林）能更准确的补全缺失的人种和民族信息，在所有考察标准上都得到了更好的分类性能：精度、交叉熵损失（误差）等。

实验结果表明，RIDDLE的平均精度为0.671，最高的两个准确度为0.865，测试数据的交叉熵损失为0.849，这个结果显著优于逻辑回归和随机森林分类器。

他们用这些训练过的神经网络模型来识别、量化和可视化预测人种和种族的医学特征，并使用这些特征来进行人种和种族差异性疾病模式的系统比较。事实上，临床病史对人种和种族的估算信息可能反映出：

• 跨越种族和族裔的蓝领、白领职业的偏态分布

• 可能的生活习惯变化，例如饮食习惯

请到「今天看啥」查看全文