一种用于构建逻辑回归模型的可视化分析方法及其在健康记录中的应用
机器学习
2022-01-24 v1 计算机视觉与模式识别
人机交互
摘要
多维数据分析在许多领域已变得愈发重要，这主要源于当前海量数据的可用性和从中提取知识的日益增长的需求。在大多数应用中，最终用户的角色对于构建恰当的机器学习模型以及解释数据中所发现的模式至关重要。在本文中，我们提出一种开放的统一方法，用于在用户引导的过程中生成、评估和应用高维数据集中的回归模型。该方法基于展现属性的广泛相关性全景，用户可据此选择相关属性，为一个或多个上下文构建并评估预测模型。我们将该方法命名为 UCReg（User-Centered Regression，以用户为中心的回归）。我们通过将框架应用于 Covid-19 及其他合成与真实健康记录数据的分析，展示了 UCReg 的有效性与高效性。
引用
@article{arxiv.2201.08429,
title = {A Visual Analytics Approach to Building Logistic Regression Models and its Application to Health Records},
author = {Erasmo Artur and Rosane Minghim},
journal= {arXiv preprint arXiv:2201.08429},
year = {2022}
}
备注
16 pages and 13 figures