这道 Kaggle 赛题聚焦卒中患者发病后 6 个月内是否死亡的预测，本质是医疗结局判断中的表格二分类任务。数据来自国际卒中试验，规模不大但任务边界清晰，适合用于演练从字段理解、标签确认、验证设计到结果提交的完整建模流程。这类题目的价值不只在竞赛分数，更在于贴近真实医疗分析场景。围绕患者基础信息、病史和试验记录建立风险判断模型，能够对应临床随访分层、资源优先级安排和预后评估等实际需求，也能帮助建立对医疗结构化数据建模方法与限制条件的更准确认识。文章目录赛题概述数据详解解题思路操作案例优秀案例解析总结赛题概述本案例地址 Stroke Trial Predictions。这是一道典型的医疗健康表格二分类任务，核心问题是依据国际卒中试验中的患者临床信息，预测发病后 6 个月内是否死亡。赛题表面上是分类建模，实质上对应医疗风险分层与结局预测的基础场景，适合训练从字段理解、缺失值处理、类别与数值特征建模，到验证方案设计与结果提交的完整流程意识。由于样本规模适中、任务定义明确、评价规则直接，这类项目很适合作为医疗数据分析与结构化机器学习入门案例，也能帮助建立对真实临床预测问题边界与价值的判断。模块名称内容简介所需技能数据类型应用场景赛题背景该项目属于医疗试验数据上的监督学习任务，关注卒中患者在固定随访周期内的生存结局判断。它并非开放式产品设计赛，而是较贴近真实业务分析流程的表格预测问题，重点在于如何把临床记录转化为可用于风险识别的结构化特征，并在有限标签定义下完成可复现建模。任务抽象、医学字段理解、表格数据清洗、缺失机制判断、特征表达、训练验证设计临床表格数据、患者基础信息、试验记录、结局标签、自建验证切分健康与科学、临床风险分层、医疗信
