SUSTain：面向张量的可扩展无监督评分及其在表型分析中的应用
机器学习
2018-03-16 v1
摘要
本文提出一种称为SUSTain的新方法，将实值矩阵与张量分解扩展至取值为整数的数据。当取值对应事件计数或有序度量时，此类数据十分常见。常规做法是将整数数据视为实数，再应用实值分解。然而，这样做无法保留原始数据的重要特征，从而难以解释结果。相反，我们的方法从整数数据集中提取因子值作为受限于取自小整数集合的评分。这些评分易于解释：零分表示无特征贡献，更高分数表示不同层级的特征重要性。SUSTain的核心在于：a) 将问题划分为整数约束子问题，从而可高效最优求解；b) 组织子问题的求解顺序，以促进共享中间结果的复用。我们提出SUSTain_M与SUSTain_T两种变体，分别处理矩阵与张量输入。我们在合成与真实电子健康记录（EHR）数据集上将SUSTain与若干最先进基线进行比较。相较这些基线，SUSTain表现出显著更优的拟合度或数量级加速且达到可比拟合（最高快425倍）。我们将SUSTain应用于EHR数据集以提取患者表型（即具有临床意义的患者簇）。此外，其中87%经心脏病学家验证为与心力衰竭相关的临床有意义表型。
引用
@article{arxiv.1803.05473,
title = {SUSTain: Scalable Unsupervised Scoring for Tensors and its Application to Phenotyping},
author = {Ioakeim Perros and Evangelos E. Papalexakis and Haesun Park and Richard Vuduc and Xiaowei Yan and Christopher Defilippi and Walter F. Stewart and Jimeng Sun},
journal= {arXiv preprint arXiv:1803.05473},
year = {2018}
}