基于饮食行为与 DASH 饮食方案优化约束的开放源代码数据集
最优化与控制
2020-10-16 v1 机器学习
摘要
线性约束优化技术已应用于许多现实场景。近年来，推断优化模型内部未知参数与函数也获得了关注。这种推断通常基于已有的观测和/或已知参数。因此，此类模型需要可靠、易获取且易解读的示例以供评估。为促进该方向的研究，我们提供了一个基于不同人群饮食行为、人口统计学特征及既有病史等因素修改后的数据集。该数据来源于美国国家健康与营养检查调查（NHANES），并辅以美国农业部（USDA）的营养数据。我们还额外提供了针对高血压和糖尿病前期患者的定制数据集，作为可能受益于针对性饮食（如阻止高血压的饮食方法（DASH）饮食方案）的目标群体。数据经过编制与整理，适合作为线性优化模型的输入。我们希望该数据及其补充的开放获取材料能够加速并简化关于线性优化与约束推断模型的解读与研究。完整数据集可在以下仓库获取：https://github.com/CSSEHealthcare/InverseLearning
引用
@article{arxiv.2010.07531,
title = {An Open-Source Dataset on Dietary Behaviors and DASH Eating Plan Optimization Constraints},
author = {Farzin Ahmadi and Fardin Ganjkhanloo and Kimia Ghobadi},
journal= {arXiv preprint arXiv:2010.07531},
year = {2020}
}