通过分层聚合基于聚类的预测器预测青光眼视野缺损
机器学习
2016-03-24 v1 机器学习
摘要
本研究解决了从患者疾病数据集预测青光眼性视野缺损的问题。我们的目标是对个体患者的疾病进展进行准确预测。由于每位患者可用的测量数据极少，很难为个体构建良好的预测器。最近提出的一种基于聚类的方法利用具有相似时空模式的患者数据增强了预测能力。每位患者被归类到一个患者簇中，并使用该类别中的所有数据构建预测模型。预测高度依赖于聚类的质量，但很难确定最佳的聚类方法。因此，我们提出了一种聚合基于聚类的预测器的方法，以获得优于单一基于聚类的预测的精度。此外，该方法通过分层聚合由多种基于聚类的方法生成的专家而展现出极高的性能。我们使用真实数据集证明，我们的方法显著优于传统的基于聚类的方法和按患者回归方法，因为分层聚合策略具有一种机制，使得小群体中的优良预测器能够茁壮成长。
引用
@article{arxiv.1603.07094,
title = {Predicting Glaucoma Visual Field Loss by Hierarchically Aggregating Clustering-based Predictors},
author = {Motohide Higaki and Kai Morino and Hiroshi Murata and Ryo Asaoka and Kenji Yamanishi},
journal= {arXiv preprint arXiv:1603.07094},
year = {2016}
}