.png){kind=icon}
返回
Pitfalls in using ML to predict cognitive function performance
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-025-24325-9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
机器学习分析被广泛应用于预测认知能力，但在其实施和结果解释过程中存在需要考虑的陷阱。因此，本研究旨在通过一个预测执行功能（EF）表现受语调特征影响的案例，引起人们对混淆变量导致错误结论风险的重视。健康参与者（n=231）完成了言语任务和执行功能测试。我们从264个语调特征中选取66个变量来预测执行功能表现，同时控制年龄、性别和教育水平的混淆效应。结果显示，对于轨迹连接测试（Trail Making Test）的执行功能变量，预测性能明显达到了合理水平。然而，深入分析表明存在混淆变量泄漏的迹象，导致预测准确率被夸大，这是由于混淆变量与目标变量之间存在强相关性。这些发现强调了在机器学习流程中控制混淆变量的必要性，并提醒人们警惕机器学习预测中的潜在陷阱。
期刊
IF:
3.9
论文数:
28.2W
被引数:
83.5W
机构
引用论文
Predicting the progression of mild cognitive impairment using machine learning: A systematic, quantitative and critical review.png)
MEDICAL IMAGE ANALYSIS
OAAI
MEDICAL IMAGE ANALYSISIF11.8
OAAI分享收藏Leakage and the reproducibility crisis in machine-learning-based science基于机器学习的科学中的泄漏和可重复性危机PATTERNSOAAI
PATTERNSIF7.4
OAAI分享收藏Heterogeneity of executive function revealed by a functional random forest approach across ADHD and ASDADHD和ASD的功能性随机森林方法揭示了执行功能的异质性NEUROIMAGE-CLINICALOAAI
NEUROIMAGE-CLINICALIF3.6
OAAI分享收藏SpEx: a German-language dataset of speech and executive function performanceSCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏Potential Future Directions in Optimization of Students’ Performance Prediction System学生表现预测系统优化的潜在未来方向OAAI
OAAI分享收藏Voice Analysis for Neurological Disorder Recognition-A Systematic Review and Perspective on Emerging Trends用于神经系统疾病识别的语音分析-系统回顾和新兴趋势的观点OAAI
OAAI分享收藏 没有更多内容
没有更多内容