特征工程结合一维卷积神经网络以改进死亡率预测
机器学习
2020-07-28 v2 机器学习
摘要
重症监护病房（ICUs）负责以电子健康记录（EHR）的形式生成大量有用数据。这些数据使得开发具有完备知识支撑的预测工具成为可能。我们的目标是在2012年Physionet挑战赛死亡率预测数据库（包含4000名入住ICU的患者）上构建死亡率预测模型。数据集中的挑战，如高维性、不平衡分布和缺失值，通过特征工程和新变量构建等分析方法与工具加以解决。本研究旨在利用临床变量之间的关系并构造新变量，从而确立构造特征的一维卷积神经网络（1-D CNN）的有效性。将其与传统机器学习算法（如XGBoost分类器、支持向量机（SVM）、K近邻分类器（K-NN）和随机森林分类器（RF））在曲线下面积（AUC）上进行比较。研究表明，使用1-D CNN模型获得了0.848的最佳AUC。
引用
@article{arxiv.1912.03789,
title = {Feature Engineering Combined with 1 D Convolutional Neural Network for Improved Mortality Prediction},
author = {Saumil Maheshwari and Rohit Verma and Anupam Shukla and Ritu Tiwari and Rishu Garg},
journal= {arXiv preprint arXiv:1912.03789},
year = {2020}
}
备注
Being a short term project, this paper is not exhaustive