shiny APP实现xgboost 构建，超参数调节以及后概率校准

将R代码整理程web APP的意义，在于直观地，便利地展示和分享代码所蕴含的概念和知识，也一定程度地实现复杂的代码处理工作，减少重复的工作，但是也有缺点，就是功能固定，不能根据实际情况及时做出调整。
R代码向APP转化过程中也会遇到相当的困难，必须要做出一定的调整以适应新的构架，在制作APP过程中也是做一些技术的探索和积累。

本APP构建的目的

展示概率校准对模型预测结果的影响，是本APP构建的目的。

概率校准是预测模型优化的技术之一，可以改善模型的校准曲线，是一种简单有效地改善预测概率准确度的方法，在预测概率作为预测模型主要输出信息的时候，对提高模型的效能有显著的作用，比如，目前临床预测模型应用到临床实践过程中，采用的形式是“辅助临床诊疗”，一种模式，就是预测模型给出预测概率作为“辅助”，人为根据各种临床情况选择决策阈值，两者结合实现“辅助临床诊疗”。

因为进行概率校准需要首先获取预测概率，所以我构建了一个xgboost模型来实现这一点，并且为了适应不同的数据， 允许模型进行超参数调节来生成适合数据的最佳模型。超参数调节这一块以前是在线下完成的，在部署预测模型的过程中用处不大，这里作为一种技术储备。

APP特点

• tidymodels提供给了三种概率校准的方法：保序回归法，可能是适用范围最广的，大小数据集都适用；逻辑回顾法，对于小数据集可能会有问题；贝叶斯回归法（技术原因，暂时没有包含在APP中）。在APP中可以选择两种概率校准的方法。
• 超参数调节的过程需要较多的时间，调节的参数包括：trees, min_n，learn_rate三个主要的参数， APP中设定了超参数调节的范围的尺寸，默认是3， 是超参调节过程中探索的范围，越大代表探索的范围越大，消耗的时间也越长。
• APP是多页面设计，超参数调节和概率校准各占一个页面。用户可以输入自己的数据体会过概率校准的过程。
• APP会消耗较多的计算资源，不适合部署在shiny的免费服务器上，CSDNVIP用户可以到链接下载。
  

总结

web APP是临床预测模型最佳的载体，功能丰富且传播方便，不断积累的技术的经验将会为制作出更适合临床的APP奠定基础。

欢迎关注临床预测模型APP经验分享网站www.clinicalmodelmatrix.com.