FWDA：一种快速 Wishart 判别分析及其在电子健康记录数据分类中的应用
机器学习
2017-04-26 v1
摘要
电子健康记录（EHR）数据上的线性判别分析（LDA）被广泛用于疾病的早期检测。然而，用于 EHR 数据分类的经典 LDA 存在两个缺陷：LDA 参数（例如协方差矩阵）的病态估计，以及 EHR 数据的“线性不可分性”。为解决这两个问题，本文提出一种新颖的分类器 FWDA——快速 Wishart 判别分析（Fast Wishart Discriminant Analysis），它以集成方式进行预测。具体而言，FWDA 首先利用从训练数据估计的 Wishart 分布来替代逆协方差矩阵的分布，然后通过贝叶斯投票方案对由采样的逆协方差矩阵参数化的多个 LDA 分类器的分类结果进行“加权平均”。投票的权重被最优更新以适应每个新输入数据，从而实现非线性分类。理论分析表明 FWDA 具有高维数据上快速的收敛速度和鲁棒性能。在大规模 EHR 数据集上的广泛实验表明我们的方法大幅优于最先进的算法。
引用
@article{arxiv.1704.07790,
title = {FWDA: a Fast Wishart Discriminant Analysis with its Application to Electronic Health Records Data Classification},
author = {Haoyi Xiong and Wei Cheng and Wenqing Hu and Jiang Bian and Zhishan Guo},
journal= {arXiv preprint arXiv:1704.07790},
year = {2017}
}