基于软调和函数的条件异常检测：一种用于临床警报的应用
机器学习
2026-04-27 v1
摘要
及时检测令人担忧的事件是临床实践中的重要问题。本文考虑条件异常检测的问题，旨在识别具有异常响应的数据实例，例如重要实验检查的遗漏。我们基于软调和解的新的非参数方法开发了条件异常检测方法，通过该方法估计标签的置信度以检测异常标记。我们进一步对解决方案进行正则化，以避免检测孤立示例和分布支持边界上的示例。我们在真实世界的电子健康记录数据集上演示了所提方法的有效性，并将其与几个基线方法进行比较。
引用
@article{arxiv.2604.21956,
title = {Conditional anomaly detection using soft harmonic functions: An application to clinical alerting},
author = {Michal Valko and Hamed Valizadegan and Branislav Kveton and Gregory F. Cooper and Milos Hauskrecht},
journal= {arXiv preprint arXiv:2604.21956},
year = {2026}
}
备注
ICML 2011 Workshop on Machine Learning for Global Challenges. arXiv admin note: substantial text overlap with arXiv:2604.21462. substantial text overlap with arXiv:2604.21462