一种用于回归分析的元模型结构：在自闭症谱系障碍严重程度预测中的应用
机器学习
2021-05-07 v1 图像与视频处理
定量方法
应用统计
摘要
传统回归模型在从小型且含噪数据集中学习时泛化性能不佳。本文提出一种新颖的元模型结构以改进回归结果。该元模型由多个分类基模型以及一个构建于基模型之上的回归模型组成。我们以静息态 fMRI 数据预测自闭症谱系障碍（ASD）严重程度（以 ADOS 交流（ADOS COMM）分数衡量）为例检验该结构，使用了多种基模型。以真实分数与预测分数之间的 Pearson 相关系数和稳定性衡量，该元模型优于传统回归模型。此外，我们发现该元模型更具灵活性与泛化性。
引用
@article{arxiv.2105.02874,
title = {A Metamodel Structure For Regression Analysis: Application To Prediction Of Autism Spectrum Disorder Severity},
author = {Shiyu Wang and Nicha C. Dvornek},
journal= {arXiv preprint arXiv:2105.02874},
year = {2021}
}
备注
IEEE International Symposium on Biomedical Imaging (ISBI) 2021