有监督的稳健轮廓聚类
应用统计
2020-07-10 v1
摘要
在许多研究中，降维方法被用于刻画参与者特征。例如，营养流行病学家常使用潜类别模型来表征饮食模式。此类方法的一个挑战在于理解各亚群体间模式的细微差异。稳健轮廓聚类（Robust Profile Clustering, RPC）提供了一种双重灵活聚类模型，参与者可在两个层级上进行聚类：(1) 全局层级，参与者根据在整个总体中共享的行为进行聚类；(2) 局部层级，个体行为可以发生偏离并在亚群体中聚类。我们使用联合模型将聚类与健康结局联系起来。该模型用于推导美国的饮食模式并评估口面裂的病例比例。使用 1997-2009 年美国国家出生缺陷预防研究（一项基于人群的病例对照研究）的饮食消费数据，我们确定母亲的饮食轮廓如何与子代的口面裂相关联。结果表明，与鸡肉和牛肉等肉类相比，摄入较高比例水果和蔬菜的母亲生育口面裂缺陷患儿的几率较低。
引用
@article{arxiv.2007.04509,
title = {Supervised Robust Profile Clustering},
author = {Briana Stephenson and Amy Herring and Andrew Olshan},
journal= {arXiv preprint arXiv:2007.04509},
year = {2020}
}
备注
30 pages, 3 figures, Supplementary materials (5 figures, 1 table)