应用于药物响应建模的多任务时间序列分析
机器学习
2019-03-22 v1 机器学习
摘要
诸如动力系统之类的时间序列模型常被拟合到一组数据集上，而忽略个体实体（如患者）之间的差异。本文中，我们展示了如何通过多任务学习（MTL）将这些模型个性化到个体层面，同时保留统计功效。据我们所知，这是 MTL 的一项新发展，可应用于有控制输入与无控制输入的时间序列。该建模框架在一个生理药物响应问题上得到演示，相较于现有最先进模型，其预测精度与不确定性估计均有所提升。
引用
@article{arxiv.1903.08970,
title = {Multi-Task Time Series Analysis applied to Drug Response Modelling},
author = {Alex Bird and Christopher K. I. Williams and Christopher Hawthorne},
journal= {arXiv preprint arXiv:1903.08970},
year = {2019}
}
备注
To appear in AISTATS 2019