脑网络的核双样本检验
机器学习
2015-11-20 v1
摘要
在临床和神经科学研究中，调查两组脑网络之间的系统性差异以表征精神疾病或过程。这些网络通常由神经影像数据构建为图，并通过图分析方法进行研究。研究这些脑图的典型机器学习方法创建分类器并检验其区分两组人群的能力。与此方法不同，在本工作中，我们提出直接使用核双样本检验(KTST)检验两组图是否不同，而不创建中间分类器。我们声称，一般来说，这两种方法提供类似的结果，且KTST需要更少的计算量。此外，在小样本量条件下，我们声称KTST的II型错误频率低于分类方法。除了提供算法考虑来支持这些主张外，我们通过实验和一个模拟给出了强有力的证据。
引用
@article{arxiv.1511.06120,
title = {The Kernel Two-Sample Test for Brain Networks},
author = {Emanuele Olivetti and Sandro Vega-Pons and Paolo Avesani},
journal= {arXiv preprint arXiv:1511.06120},
year = {2015}
}