用于数据驱动知识发现算法的代理辅助性能预测：在急性冠脉综合征临床路径进化建模中的应用
机器学习
2022-01-25 v2 机器学习
摘要
本文提出并研究了一种用于数据驱动知识发现算法的代理辅助性能预测方法。该方法基于识别用于预测目标算法质量与性能的代理模型。所提方法被实现并研究应用于一种从急性冠脉综合征患者电子健康记录中发现可解释临床路径簇的进化算法。我们分别采用若干聚类指标和执行时间作为目标质量与性能指标。基于所提方法开发了一个用于算法特征预测与特征分析的解析软件原型，以提供对目标算法性能与质量更具可解释性的预测，可进一步用于参数调优。
引用
@article{arxiv.2004.01123,
title = {Surrogate-assisted performance prediction for data-driven knowledge discovery algorithms: application to evolutionary modeling of clinical pathways},
author = {Anastasia A. Funkner and Aleksey N. Yakovlev and Sergey V. Kovalchuk},
journal= {arXiv preprint arXiv:2004.01123},
year = {2022}
}