用本院数据优化
上传你们已审核的病例，系统会学习本科室的审核习惯，让预测更贴合你们的口径。几分钟完成，不会拖慢电脑。
复用 /predict 的病例导入模板，可包含训练标签列
可选，补充药品编码和金额
可选，补充耗材编码和金额
可选，补充手术和诊疗编码
M1 全量费用增强模型
v26_fee_rich_independent_drg
平铺预测完整 DRG，适合做对照和补充。
输入：诊断码、药耗治收费码、费用金额、年龄边界
Top1
78.6%
Top3
89.9%
Top5
92.3%
本院优化
使用默认基座
M1 当前使用默认模型
M2 最小输入层级模型
v25_hierarchical_B2
先判 ADRG/大类，再做组内 DRG 细分；当前事前模式主推。
输入：诊断码、药耗治收费码、费用金额、年龄
Top1
79.3%
Top3
92.6%
Top5
94.6%
本院优化
使用默认基座
M2 当前使用默认模型
M1 全量费用增强版本
最近可用版本 0 个；默认只展示 0 个，旧工程记录已折叠。
M2 最小输入层级版本
最近可用版本 0 个；默认只展示 0 个，旧工程记录已折叠。
（等待训练服务返回数据集…）
训练数据来源
等待训练服务返回数据目录
每个数据集需要 `train.csv`、`val.csv`、`test.csv`，标签列是 `drg_code`；输入列使用主诊断、 药品码、耗材码、诊疗/手术码、药品费、耗材费、诊疗费、总费用和年龄等模型特征。
当前 M1/M2 输入来自诊断、收费和年龄字段；性别字段尚未纳入本轮训练。
上传区复用 /predict 模板，服务端会先校验历史审核答案，再生成上述模型特征表；完整大样本训练仍建议放在专用服务器。
高级设置（工程用）默认使用安全设置，一般无需调整
快速验证建议 5,000–15,000 行：几分钟出结果，且内存占用很低。
这是控制训练时长的关键旋钮——全量约 194 个组，逐个训练才慢。
限制线程可避免占满 CPU、风扇狂转。建议 2–4。
较重的可选阶段，快速验证可关闭。
用安全默认设置，几分钟完成，不会拖慢电脑
上传病例后点击「开始学习」