基于决策树的听力损失包装器
机器学习
2025-02-14 v1 声音
摘要
听力学实体正在使用机器学习 (ML) 模型来指导其筛查,以识别有风险的人群。特征工程 (FE) 旨在优化数据以适合 ML 模型,其中进化方法在特征选择和构造任务方面效果良好。本工作旨在对标量化的进化 FE 包装器,使用基于决策树的模型作为代理。将 FEDORA 框架应用于听力损失 (HL) 数据集,能够降低数据维度并在统计上保持基线性能。与传统方法相比,FEDORA 显示出优异的性能,最大平衡准确率为 76.2%,使用 57 个特征。该框架还生成了一个仅使用单个特征即可实现 72.8% 平衡准确率的个体。
引用
@article{arxiv.2502.08785,
title = {Decision Tree Based Wrappers for Hearing Loss},
author = {Miguel Rabuge and Nuno Lourenço},
journal= {arXiv preprint arXiv:2502.08785},
year = {2025}
}