重采样中多样性对不平衡数据与死亡率风险模型中罕见事件的重要性
机器学习
2020-12-18 v1
摘要
当患者伴有合并症时，手术风险显著升高。这促使众多风险分层工具的诞生，旨在评估相关手术风险以辅助外科医生与患者决策。外科结果风险工具（SORT）是为预测英国主要择期住院手术全围手术期死亡风险而开发的工具之一。本研究中，我们通过处理数据集内的类不平衡问题来增强原始SORT预测模型（UK SORT）。我们提出的方法在常见重采样技术之上考察基于多样性的选择的应用，以增强分类器检测少数类（死亡）事件的能力。训练数据集间的多样性是确保重采样数据准确刻画少数/多数类区域的关键因素，从而解决主流采样方法的泛化问题。我们引入Solow-Polasky测度作为即用功能来评估多样性，并辅以贪心算法以识别并丢弃最相似的子集。此外，通过实证实验，我们证明基于多样性数据集训练的分类器在十个外部数据集上的性能优于原始分类器。我们的基于多样性的重采样方法将UK SORT算法的性能提升了1.4%。
引用
@article{arxiv.2012.09645,
title = {On the Importance of Diversity in Re-Sampling for Imbalanced Data and Rare Events in Mortality Risk Models},
author = {Yuxuan and Yang and Hadi Akbarzadeh Khorshidi and Uwe Aickelin and Aditi Nevgi and Elif Ekinci},
journal= {arXiv preprint arXiv:2012.09645},
year = {2020}
}
备注
14th Australasian Conference on Health Informatics and Knowledge Management HIKM 2021