基于GLM-Lasso的变量选择用于疟疾风险预测
机器学习
2015-09-10 v1
摘要
在本研究中，我们提出了一种基于Lasso的流行病学背景下变量自动学习方法。该方法的目标之一是克服医学和流行病学专家对收集数据的前期处理。这些前期处理包括根据专业知识对一些变量进行重新编码并选择一些交互项。所提出的方法使用所有可用的解释变量而不加处理，并自动生成它们之间的所有交互项。这导致了高维度。我们使用Lasso，一种高维变量选择的鲁棒方法之一。为避免过拟合，采用了两层次交叉验证。由于目标变量是计数变量且lasso估计量有偏，通过GLM对lasso选出的变量进行去偏，并用于预测疟疾主要媒介按蚊(Anopheles)的分布。结果表明，仅少数气候和环境变量是与疟疾风险暴露相关的主要因素。
引用
@article{arxiv.1509.02873,
title = {S\'election de variables par le GLM-Lasso pour la pr\'ediction du risque palustre},
author = {Bienvenue Kouwayè and Noël Fonton and Fabrice Rossi},
journal= {arXiv preprint arXiv:1509.02873},
year = {2015}
}
备注
in French