当前位置: 首页 > ops >正文

【Survival Analysis】【机器学习】【3】deepseek流程图

     提交论文的时候,有的时候需要提供code 的流程图。

     方法:

      1 这边是直接把写好的代码放到大模型,,推荐使用deepseek.

      2   然后大模型总结一下

      3  根据总结出来的结果,使用proceeson, 或者ppt 美化一下

        下图为deepseek的效果,其它几个都没办法用。

         主要测试:豆包,文言一心,以及Kimi,以及Deepseek,通义千问

   通义 - 你的实用AI助手

┌───────────────────────────────────────────────────────────────────────────────┐
│                    Clinical Data Preprocessing Pipeline                       │
└───────────────────────────────────────────────────────────────────────────────┘│▼
┌───────────────────────────────────────────────────────────────────────────────┐
│                            1. Load Raw Data                                   │
│                                                                               │
│  - Read CSV file                                                            │
│  - Remove completely blank rows                                              │
│  - Print initial data dimensions                                             │
└───────────────────────────────────────────────────────────────────────────────┘│▼
┌───────────────────────────────────────────────────────────────────────────────┐
│                            2. Validate Data                                   │
│                                                                               │
│  - Check for empty DataFrame                                                 │
│  - Verify target column exists                                               │
│  - Validate target values (0/1)                                              │
│  - Check for missing clinical features                                       │
└───────────────────────────────────────────────────────────────────────────────┘│▼
┌───────────────────────────────────────────────────────────────────────────────┐
│                            3. Data Cleaning                                  │
│                                                                               │
│  - Select predefined clinical features                                       │
│  - Fill missing values:                                                     │
│    * Categorical: mode imputation                                           │
│    * Numerical: mean imputation                                             │
└───────────────────────────────────────────────────────────────────────────────┘│▼
┌───────────────────────────────────────────────────────────────────────────────┐
│                            4. Feature Engineering                            │
│                                                                               │
│  - One-Hot Encoding for multi-label features (lesion_location)               │
│  - Label Encoding for categorical variables (gender, pathological_type, etc.)│
│  - Print final feature count                                                 │
└───────────────────────────────────────────────────────────────────────────────┘│▼
┌───────────────────────────────────────────────────────────────────────────────┐
│                            5. Feature Correlation Analysis                   │
│                                                                               │
│  - Calculate correlation matrix                                              │
│  - Select features with correlation > threshold (0.15)                       │
│  - Visualize significant features' correlation                               │
└───────────────────────────────────────────────────────────────────────────────┘│▼
┌───────────────────────────────────────────────────────────────────────────────┐
│                            6. Save Processed Data                            │
│                                                                               │
│  - Create final dataset with significant features + target                    │
│  - Save to CSV file                                                          │
│  - Print final dataset dimensions                                            │
└───────────────────────────────────────────────────────────────────────────────┘│▼
┌───────────────────────────────────────────────────────────────────────────────┐
│                            Error Handling                                    │
│                                                                               │
│  - FileNotFoundError: Missing input file                                     │
│  - ValueError: Data validation failures                                      │
│  - General Exception: Other processing errors                                │
└───────────────────────────────────────────────────────────────────────────────┘
http://www.xdnf.cn/news/4860.html

相关文章:

  • 22、城堡防御工事——React 19 错误边界与监控
  • 如何用Jmeter实现自动化测试?
  • 【MySQL】存储引擎 - FEDERATED详解
  • WPF之静态资源与动态资源
  • 从 AGI 到具身智能体:解构 AI 核心概念与演化路径全景20250509
  • JVM详解
  • 路由组件1
  • 创建没有 TPM 和安全启动的 Windows 11 可启动 USB 驱动器
  • 【MySQL】数据库、数据表的基本操作
  • SIGIR 2025端到端生成式推荐ETEGRec
  • 详解:ai证书有哪些?
  • MCP开发入门
  • C++ stl中的stack和queue的相关函数用法
  • uniapp 百家云直播插件打包失败
  • 在ISOLAR A/B 工具使用UDS 0x14服务清除单个DTC故障的配置
  • 基于大模型的母婴ABO血型不合溶血病全方位预测与诊疗方案研究
  • Java EE初阶——初识多线程
  • 纯净IP,跨境账号稳定的底层逻辑
  • Linux 文件系统中的数据定位:inode 与 dentry 的技术解析
  • CentOS 7 系统下安装 OpenSSL 1.0.2k 依赖问题的处理
  • 学习笔记:黑马程序员JavaWeb开发教程(2025.4.1)
  • [Windows] 东芝存储诊断工具1.30.8920(20170601)
  • 【应急响应】- 日志流量如何分析?
  • 文本框碰撞测试
  • 基 LabVIEW 的多轴电机控制系统
  • element-ui时间线样式修改
  • vison transformer vit 论文阅读
  • 微软系统 红帽系统 网络故障排查:ping、traceroute、netstat
  • PDF文档解析新突破:图表识别、公式还原、手写字体处理,让AI真正读懂复杂文档!
  • 使用Python和OpenCV实现实时人脸检测与识别