DI2：生物医学数据的无先验多条目离散化及其应用
定量方法
2021-03-09 v1 符号计算
摘要
动机：大量用于生物医学数据分析的数据挖掘方法（包括最先进的关联模型）需要某种形式的数据离散化。尽管已提出多种离散化方法，它们通常在严格的统计假设下工作，这些假设不足以处理给定数据集中临床与分子变量的多样性和异质性。此外，尽管生物信息学中越来越多的符号方法能够为临近离散边界的取值分配多个条目以增强鲁棒性，但目前尚无关于如何执行多条目离散化的参考原则。结果：本研究提出一种无监督离散化方法 DI2，适用于任意偏态分布的变量。DI2 通过在统计拟合分布候选前使用 Kolmogorov-Smirnov 检验进行数据校正，提供鲁棒的泛化保证。DI2 进一步支持多条目分配。来自生物医学数据的结果显示其在改进经典离散化选择方面的相关性。软件：见 https://github.com/JupitersMight/DI2。
引用
@article{arxiv.2103.04356,
title = {DI2: prior-free and multi-item discretization ofbiomedical data and its applications},
author = {Leonardo Alexandre and Rafael S. Costa and Rui Henriques},
journal= {arXiv preprint arXiv:2103.04356},
year = {2021}
}