多模态处方深度学习
机器学习
2025-01-27 v1 机器学习
摘要
我们提出了一种多模态深度学习框架，处方神经网络（Prescriptive Neural Networks, PNNs），将优化和机器学习的思想结合起来，鉴于我们所知是首个处理多模态数据的处方方法。PNN 是一种基于嵌入的前馈神经网络，用于输出结果优化的处方。在两个真实的多模态数据集中，我们展示了 PNNs 的处方能显著改善主动经大孔径经导主动人工瓣膜置换（TAVR）手术中预计术后并发症发生率降低 32%；在肝胸外伤中降低预计死亡率超过 40%。在四个真实的单模态表格数据集中，我们展示了 PNNs 在其他众所周知的先进处方模型中表现出色或与之相当；重要的是，在表格数据集上，我们还通过知识蒸馏恢复了可解释性，将 PNN 处方作为分类目标，拟合可解释的 Optimal Classification Tree 模型，这在许多实际应用中至关重要。最后，我们展示了多模态 PNN 模型在随机数据分割上的稳定性与其他处方方法相当，并在不同数据集上产生真实可行的处方。
引用
@article{arxiv.2501.14152,
title = {Multimodal Prescriptive Deep Learning},
author = {Dimitris Bertsimas and Lisa Everest and Vasiliki Stoumpou},
journal= {arXiv preprint arXiv:2501.14152},
year = {2025}
}