多视图技术在 NHANES 数据集中的应用
机器学习
2016-08-18 v1 机器学习
摘要
利用健康数据集进行疾病预测或分类时，通常使用与疾病相关的已知预测因子作为模型特征。本研究考虑个体健康的多个数据组成部分，利用变量间的关系生成特征，以提升疾病分类模型的性能。为了捕捉数据不同方面的信息，本项目采用多视图学习方法，使用典型相关分析（Canonical Correlation Analysis, CCA）技术，该技术旨在寻找两个数据视图之间具有最大相关性的投影。研究使用来自 NHANES 调查（1999-2014 年）收集的数据类别作为视图，以学习多视图表示。通过将这些表示作为特征应用于糖尿病分类任务，证明了其有效性。
引用
@article{arxiv.1608.04783,
title = {Application of multiview techniques to NHANES dataset},
author = {Aileme Omogbai},
journal= {arXiv preprint arXiv:1608.04783},
year = {2016}
}