处方式簇依赖支持向量机及其在降低医院再入院中的应用
应用统计
2019-03-22 v1 机器学习
机器学习
摘要
我们通过添加三个重要特征来增强线性支持向量机(SVM)分类器:(i) 我们引入正则化约束以诱导稀疏分类器;(ii) 我们设计了一种将正类划分为簇并为每个簇选择稀疏 SVM 分类器的方法;(iii) 我们开发了一种优化可控变量取值的方法,以减少被预测具有不良结果的数据点数量,在我们的设定中,这等同于落入正类。最后一个特征带来了个性化处方/推荐。我们将我们的方法应用于预测并预防接受普通外科手术患者在出院后 30 天内的医院再入院问题。为此,我们利用了包含 2011–2014 年间美国超过 228 万手术患者的庞大数据集。该数据集作为美国外科医师学会国家外科质量改进计划(NSQIP)的一部分被收集。
引用
@article{arxiv.1903.09056,
title = {Prescriptive Cluster-Dependent Support Vector Machines with an Application to Reducing Hospital Readmissions},
author = {Taiyao Wang and Ioannis Ch. Paschalidis},
journal= {arXiv preprint arXiv:1903.09056},
year = {2019}
}