我是一名医生，试图根据大约1500名患者的数据库建立预测模型，每个患者有60多个参数。
我正在处理一个分类问题（1、3、6和12个月的死亡率），并进行了分层分割（70次训练/30次测试），并在训练每个时间点的随机森林、GLM和极限梯度增强模型之前使用Boruta算法进行了特征选择。
所有模型的AUC约为0.80（RF模型稍好），RF的Brier评分在0.09-0.17之间，其他两个的Brier得分在0.13-0.23之间。
因此，根据Brier评分，RF模型似乎稍有优势，但我想知道：
-我应该做更多的绩效评估吗？哪些以及为什么？
-如何解释我的结果？我的理解是，由于GLM模型表现良好，预测因子之间存在线性关联，但RF在性能上仍略有优势，但其缺点是更“复杂的模型”。
我计划使用不同的数据集进行外部验证，但到目前为止，我很想了解其他测量是否可以揭示不同模型的优势，而且我确信我缺少了一些东西，因为我是这个领域的新手，很想听到任何建议/意见。