深度多输出预测：学习准确预测血糖轨迹
机器学习
2019-04-09 v1 机器学习
摘要
在许多预测应用中，不仅预测信号在未来某时间点的数值，而且预测该点之前的值是有价值的。在临床应用中尤其如此，患者未来状态可能不如患者整体轨迹重要。这需要多步预测，一种旨在同时预测未来多个数值的预测变体。完成此任务的标准方法可能将误差从一次预测传播到下一次预测，降低长期质量。鉴于这些挑战，我们提出了用于多步预测的多输出深度架构，其中我们显式建模信号在预测区间内未来值的分布。我们将这些技术应用于具有挑战性且临床相关的血糖预测任务。通过在由550K次血糖测量组成的真实世界数据集上的一系列实验，我们证明了所提方法在捕捉底层信号动态方面的有效性。与现有的浅层和深度方法相比，我们发现所提方法单独使用可改善性能并捕捉互补信息，组合时相较基线带来大幅改进（4.87 对比 5.31 绝对百分比误差（APE））。总体而言，结果表明我们所提方法在预测血糖水平及更一般的多步预测中的有效性。
引用
@article{arxiv.1806.05357,
title = {Deep Multi-Output Forecasting: Learning to Accurately Predict Blood Glucose Trajectories},
author = {Ian Fox and Lynn Ang and Mamta Jaiswal and Rodica Pop-Busui and Jenna Wiens},
journal= {arXiv preprint arXiv:1806.05357},
year = {2019}
}
备注
KDD 2018