基于Shiny搭建病人患病预测计算器（随机森林算法）

一、基本信息

软件名称：R

版本：4.3.2

涉及包：openxlsx/fastshap/shapviz/ranger/ggplot2

数据来源：示例数据

方法简介：随机森林算法在分类问题上通过集成多个决策树，不仅提高了模型的准确性和稳定性，而且还能够处理复杂的数据集，同时提供关于特征重要性的有用信息。

二、方法介绍

哈喽，集美们AND集帅们！！！！很久没写技术性推文了。一方面由于正式工作了吧，不再活力满满了；另一方面由于“懒病”犯了。其实吧，我觉得吧我看着很懒，实际一点也不勤快！！。此处容许我仰天长“笑”几分钟。 好了话不多说，直接进入今天的正题。为什么突然写这个推文了？因为我的一个临床集帅朋友让我帮忙写个计算器（此处重点要考）。为什么要做随机森林计算器？下面看个审稿人的灵魂拷问：AUC值很高，灵敏度、特异度都很高，模型性能很不错，所以你为啥不去应用呢？？此时此刻，Author必定慌的一批。没事拯救“世界”的张来了，下面我将带着屏幕面前可爱的你，用随机森林做个病人疾病预测计算器（希望你的计算器可以造福更多的人类）。

思路：大致思路是这样的，首先我们在R环境训练好模型（当然这里忽略了随机森林的最优参数调整，默认你导出的模型是最优模型），然后将导出的模型加载到Shiny环境中去，利用Shiny搭建前端及后端简要代码。（不出意外此时你应该是懵逼状态，你摸着良心问自己是不是）。

三、操作代码

本在线计算器功能：患病概率计算+特征Shap值展示

1.本次演示的数据为一组临床病人数据（总共四个变量，研究目的通过3个变量预测患不患病，其中平均SBP、DBPCV为连续变量、动脉瘤位置为分类变量）

2.下面将进行随机森林模型构建，以及Shap可视化

3.下面将进行训练好的模型导入至新的环境中，利用shiny搭建前端及后端，形成患病风险计算器。

问题来了集美集帅们怎么做？针对自己的数据要改哪些代码？

效果图：

又是一个不眠之夜睡觉！！！