跳转到主要内容
下载桌面端
数据与模型 · 预测模型

不写代码，训练并比较临床预测模型

导入 CSV，在同一次数据切分、同一套指标下比较多个候选模型，输出 ROC、校准、决策曲线和 SHAP 图，导出报告与论文组图。

下载查看价格
  • Windows 10/11 x64
  • v1.0.0
  • 开通权益后下载
适合谁

不写代码的临床研究者

适合做诊断或预后的二分类预测模型，也适合罕见结局（类别不平衡）、生存预后和观察性数据的平均处理效应估计。需要 64 位 Windows 电脑，建议 8 GB 以上内存。

互动演示

计算引擎导出的样例

窗口里是机器学习计算引擎导出的图表，使用非医学示例数据，不是 Windows 版界面截图，结果不代表真实研究。拖动标题栏移动窗口；点程序坞图标收起或还原；双击标题栏放大。

  1. 多模型对比

    四个候选模型的对比图版：ROC 曲线、精确率—召回率曲线、校准曲线和测试集 AUC 及 95% 置信区间

    同一切分下比较候选模型的 ROC、PR、校准曲线和测试集 AUC。计算引擎导出 · 非医学示例数据

  2. ROC 与校准

    主性能组图：三个模型的测试集 ROC 曲线与精确率—召回率曲线、主模型混淆矩阵，以及三个模型的校准曲线

    测试集 ROC 与 PR 曲线、主模型混淆矩阵和各模型的校准曲线。计算引擎导出 · 非医学示例数据

  3. SHAP 解释

    SHAP 摘要图：各特征的 SHAP 值分布，点的颜色表示特征取值高低

    各变量的 SHAP 值分布，颜色表示变量取值高低。计算引擎导出 · 非医学示例数据

  4. 论文组图

    论文组图（应用与决策视角）：(A) k-NN 模型在不同决策阈值下的灵敏度、特异度与 Youden 指数，(B) 测试集决策曲线，对比全部干预、全不干预的净获益，(C) 各候选阈值下的灵敏度、特异度、PPV、NPV 与 F1

    决策曲线组图：不同阈值下的灵敏度、特异度和净获益。论文组图示例（决策曲线）· 计算引擎导出 · 非医学示例数据

三步上手

导入、训练、解释

导入数据

选择 CSV，软件推断列类型并标出候选目标列。

配置训练

选目标列、特征、划分方式和候选模型，开始训练。

解释与导出

查看诊断图和 SHAP 解释，生成报告，导出论文组图。

核心能力

比较、诊断、解释

公平比较

所有候选模型用同一次数据切分和同一套指标，最优模型高亮显示。

诊断与决策

ROC、PR、校准和决策曲线，另给多个阈值下的灵敏度、特异度等指标。

可解释

SHAP 蜂群图与部分依赖图；SHAP 算不出时改用置换重要性。

价格

选择套餐

机器学习

单独订阅机器学习

¥39.90每月

  • 在会员中心下单，支付宝付款
开通单模块

全模块

一次开通下列全部模块

¥99每月

  • 覆盖：Sciforyou 桌面端、App C 统计分析、文献计量、机器学习、科研结果预测、SciDatabase
  • 年付含赠送积分 108 分
开通全模块

可以单独订阅机器学习，也可以开通全模块；云端 AI 助手按用量扣平台积分。

价格来自会员中心的公开套餐，下单时以会员中心显示的价格为准。查看全部价格前往会员中心

常见问题

关于机器学习

需要会编程吗？

不需要。导入、配置、训练和查看结果都在界面里完成，关键参数也可以手动调整。

有 macOS 版吗？

目前只有 Windows 10/11 64 位版本，暂无 macOS 版；建议 8 GB 以上内存。

能做外部验证和列线图吗？

可以另选一个 CSV 作为外部队列，只用于评估，目前二分类和回归任务支持。列线图暂不提供。

我的数据会怎样处理？

使用 AI 助手时，你写的建模目标和数据表的列信息会经平台转交第三方 AI 模型处理。建议导入前先去标识化，删除姓名、住院号等能识别身份的字段。