用于差异化诊疗模式的自动化有监督特征选择
机器学习
2021-11-08 v1 人工智能
信号处理
摘要
我们使用几种最先进的特征选择技术开发了自动化特征选择流水线，为差异化诊疗模式（DPOC）选择最优特征。该流水线包括三类特征选择技术：过滤器、包装器和嵌入方法，以选择前K个特征。使用了五个具有二值因变量的不同数据集，并选择了它们各自不同的前K个最优特征。所选特征在现有的多维子集扫描（MDSS）中进行了测试，记录了最异常子群体、最异常子集、倾向得分和度量效应以测试其性能。该性能与在MDSS流水线中使用数据集中所有协变量后获得的四个类似度量进行了比较。我们发现，尽管使用了不同的特征选择技术，但在确定所用技术时，数据分布是关键需要注意的因素。
引用
@article{arxiv.2111.03495,
title = {Automated Supervised Feature Selection for Differentiated Patterns of Care},
author = {Catherine Wanjiru and William Ogallo and Girmaw Abebe Tadesse and Charles Wachira and Isaiah Onando Mulang' and Aisha Walcott-Bryant},
journal= {arXiv preprint arXiv:2111.03495},
year = {2021}
}