利用去噪自编码器恢复失访信息
机器学习
2018-02-14 v1 应用统计
机器学习
摘要
失访是医疗保健中的一个重大问题，对研究的效度和成本具有严重后果。目前可用于恢复失访信息的方法受限于其表达能力，难以对高度非线性的关系和复杂的交互进行建模。在本文中，我们提出一种基于过完备去噪自编码器（overcomplete denoising autoencoder）的模型来恢复失访信息。该模型设计用于处理海量数据，在多个模拟和真实数据集上的结果表明，我们的模型在不同数据集和失访条件下均适用，并且在保持数据集对最终分析的效用的同时，以较大优势（某些场景下≥20%）优于最先进（state-of-the-art）的方法。
引用
@article{arxiv.1802.04664,
title = {Recovering Loss to Followup Information Using Denoising Autoencoders},
author = {Lovedeep Gondara and Ke Wang},
journal= {arXiv preprint arXiv:1802.04664},
year = {2018}
}
备注
Copyright IEEE 2017, IEEE International Conference on Big Data (Big Data)