函数主成分分析方法比较及其在加速度计数据中的应用
应用统计
2021-06-01 v1
摘要
个体身体活动与各种健康结局之间的关联是一个活跃的研究领域。国家健康与营养检查调查（NHANES）数据为研究这些关联提供了宝贵资源。许多研究使用 NHANES 加速度计数据来衡量个体的活动水平。分析加速度计数据的一种常用方法是函数主成分分析（FPCA）。本文第一部分使用 Poisson FPCA（PFPCA）、Gaussian FPCA（GFPCA）以及非负正则化函数分解（NARFD）从计数值的 NHANES 加速度计数据中提取特征。本文第二部分在死亡率预测的语境下，比较基于 GFPCA、NARFD 或 PFPCA 得分的逻辑回归、随机森林与 AdaBoost 模型。结果表明 Poisson FPCA 是推断加速度计数据的最佳 FPCA 模型，且基于 Poisson FPCA 得分的 AdaBoost 模型给出了最佳的死亡率预测结果。
引用
@article{arxiv.2105.14649,
title = {A Comparison of Functional Principal Component Analysis Methods with Accelerometry Applications},
author = {Bohan Wu and Bradley Van Allen},
journal= {arXiv preprint arXiv:2105.14649},
year = {2021}
}
备注
undergraduate thesis paper