针对数据有限的自杀企图预测提高方法
机器学习
2025-11-25 v1 机器学习
摘要
生态即时评估提供了关于自杀思想和行为的实时数据，但由于其稀有性和患者异质性，预测自杀企图仍然具有挑战性。我们展示，单一模型拟合所有患者表现不佳，而个体化模型虽然改善了性能，但仍会对数据有限的患者过度拟合。为此，我们引入潜在相似性高斯过程 (LSGP) 来捕捉患者异质性，使数据有限的患者能够利用类似患者的趋势。初步结果显示前景：即使没有 kernel-design，我们在所有基准中超越除一个外的表现，同时提供了对患者相似性的新理解。
引用
@article{arxiv.2511.18199,
title = {Improving Forecasts of Suicide Attempts for Patients with Little Data},
author = {Genesis Hang and Annie Chen and Hope Neveux and Matthew K. Nock and Yaniv Yacoby},
journal= {arXiv preprint arXiv:2511.18199},
year = {2025}
}
备注
Accepted at the TS4H Workshop at NeurIPS 2025