在机器学习驱动的糖尿病风险预测中,用于特征选择的基于copula的监督过器

科学领域:

• 机器学习 机器学习
• 生物统计学 生物统计学
• 医疗信息学 医疗信息学

背景情况:

• 有效的特征选择对于医学中可解释的预测模型至关重要.
• 传统方法可能会错过极端患者群体中重要的预测因素.
• 识别数据分布尾部的风险因素对于有针对性的干预至关重要.

研究的目的:

• 为特征选择引入一种新的,计算效率高的监督过器.
• 根据其倾向于极端的特征,使用Gumbel copula上尾对应法对积极类进行排名.
• 根据糖尿病数据集的标准基线评估拟议的方法.

主要方法:

• 开发了一个利用Gumbel copula暗示的上尾对应得分的监督过器.
• 根据相互信息,mRMR,ReliefF和L1/弹性网对过器进行了评估.
• 在两个糖尿病数据集 (CDC和PIMA) 上使用四个分类器进行了测试.
• 进行了统计测试,排列重要性和稳定性检查.

主要成果:

• 基于Gumbel的选择器在CDC数据集中是最快的,在最小的性能权衡下,减少了约52%的特征.
• 它的表现明显超过了相互信息和mRMR,并且与ReliefF.
• 在PIMA数据集中,该排名在数值上产生了最高的ROC-AUC.
• 该方法在两个数据集中一致确定了临床相关的预测因素.

结论:

• 通过上尾依赖的特征选择是一种高效和可解释的选方法.
• 这种方法可以有效地补充标准特征选择技术.
• 它对于公共卫生和临床风险预测特别有价值,重点关注极端患者层.