睡眠障碍患者的用户画像：面向可解释聚类与差分变量分析
机器学习
2025-10-21 v1
摘要
睡眠障碍对患者健康和生活质量影响深远，但诊断仍复杂，因症状多样。当今技术进步结合医学数据分析正为更好地理解这些障碍提供新视角。特别是，可解释人工智能（XAI）旨在使 AI 模型决策可理解且可解释。本研究提出一种基于聚类的方法，按不同睡眠障碍轮廓对患者进行分组。通过集成可解释方法，我们识别影响这些疾病的关键因素。实验在匿名真实数据上的结果表明，该方法有效且相关。
引用
@article{arxiv.2510.15986,
title = {User Profiles of Sleep Disorder Sufferers: Towards Explainable Clustering and Differential Variable Analysis},
author = {Sifeddine Sellami and Juba Agoun and Lamia Yessad and Louenas Bounia},
journal= {arXiv preprint arXiv:2510.15986},
year = {2025}
}
备注
in French language, Plate-Forme Intelligence Artificielle, Jun 2025, Dijon (FRANCE), France