使用 Procrustes 验证集进行共线性数据集增强

在本文中，我们提出了一种用于数值和混合数据集增强的新方法。该方法通过利用交叉验证重采样和潜变量建模来生成额外的数据点。它对于具有中等到高度共线性的数据集特别有效，因为它直接利用这一特性进行生成。该方法简单、快速且参数极少，如文中所示，这些参数不需要特定调优。它已在多个真实数据集上进行了测试；我们在此报告两个案例的详细结果：基于近红外光谱预测碎肉中的蛋白质（具有高度共线性的纯数值数据）和区分转诊进行冠状动脉造影的患者（同时包含数值和分类变量的混合数据，具有中等共线性）。在这两种情况下，均采用人工神经网络来开发回归和判别模型。结果表明模型性能有显著提升；因此，对于肉蛋白预测，将模型拟合到增强数据上，使得在独立测试集上计算的均方根误差降低了 1.5 到 3 倍。