基于潜因子建模的迁移学习以改进手术并发症预测
机器学习
2016-12-05 v1
摘要
我们旨在创建一个使用潜因子模型进行迁移学习的框架，以学习较大的源数据集与目标数据集之间的依赖结构。该方法的动机源于我们利用机构和国家手术结果数据为手术患者构建风险评估模型的目标。国家手术结果数据通过 NSQIP (National Surgery Quality Improvement Program) 收集，该数据库包含来自超过 700 家不同医院的近 400 万患者。我们构建了一个在载荷矩阵上具有层次先验的潜因子模型，以适当考虑数据中不同的协方差结构。我们通过推导利用 stick-breaking 性质的尺度混合公式，扩展了该模型以处理群体间更复杂的关系。我们的模型提供了一个迁移学习框架，利用来自源数据和目标数据的所有信息，同时对它们之间的潜在固有差异进行建模。
引用
@article{arxiv.1612.00555,
title = {Transfer Learning via Latent Factor Modeling to Improve Prediction of Surgical Complications},
author = {Elizabeth C Lorenzi and Zhifei Sun and Erich Huang and Ricardo Henao and Katherine A Heller},
journal= {arXiv preprint arXiv:1612.00555},
year = {2016}
}