論文の概要: Quantified Sleep: Machine learning techniques for observational n-of-1 studies

• arxiv url: http://arxiv.org/abs/2105.06811v1
• Date: Fri, 14 May 2021 13:13:17 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-17 16:47:14.680380
• Title: Quantified Sleep: Machine learning techniques for observational n-of-1 studies
• Title（参考訳）: Quantified Sleep: 観測N-of-1研究のための機械学習技術
• Authors: Gianluca Truda
• Abstract要約: 本稿では,睡眠品質の記述モデルを構築するために,観察量化自己分析に統計的学習手法を適用する。 睡眠の質は、高いノイズと多くの弱い要因により、qs研究において最も難しいモデリング対象の1つである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper applies statistical learning techniques to an observational Quantified-Self (QS) study to build a descriptive model of sleep quality. A total of 472 days of my sleep data was collected with an Oura ring and combined with lifestyle, environmental, and psychological data. Such n-of-1 QS projects pose a number of challenges: heterogeneous data sources; missing values; high dimensionality; dynamic feedback loops; human biases. This paper directly addresses these challenges with an end-to-end QS pipeline that produces robust descriptive models. Sleep quality is one of the most difficult modelling targets in QS research, due to high noise and a large number of weakly-contributing factors. Sleep quality was selected so that approaches from this paper would generalise to most other n-of-1 QS projects. Techniques are presented for combining and engineering features for the different classes of data types, sample frequencies, and schema - including event logs, weather, and geo-spatial data. Statistical analyses for outliers, normality, (auto)correlation, stationarity, and missing data are detailed, along with a proposed method for hierarchical clustering to identify correlated groups of features. The missing data was overcome using a combination of knowledge-based and statistical techniques, including several multivariate imputation algorithms. "Markov unfolding" is presented for collapsing the time series into a collection of independent observations, whilst incorporating historical information. The final model was interpreted in two ways: by inspecting the internal $\beta$-parameters, and using the SHAP framework. These two interpretation techniques were combined to produce a list of the 16 most-predictive features, demonstrating that an observational study can greatly narrow down the number of features that need to be considered when designing interventional QS studies.
• Abstract（参考訳）: 本稿では,観察量化自己(qs)研究に統計的学習手法を適用し,睡眠品質の記述モデルを構築した。 合計472日間の睡眠データはouraのリングで収集され、ライフスタイル、環境、心理的データと組み合わせられた。 このようなn-of-1 qsプロジェクトは、異種データソース、値の欠如、高次元、動的フィードバックループ、人間のバイアスなど、多くの課題を提起している。 本稿では、これらの課題を、堅牢な記述モデルを生成するエンドツーエンドQSパイプラインで直接解決する。 睡眠の質は、高いノイズと多くの弱い要因により、qs研究において最も難しいモデリング対象の1つである。 本論文からのアプローチが他のn-of-1QSプロジェクトに一般化されるように睡眠品質が選択された。 データタイプ、サンプル頻度、スキーマ - イベントログ、天気予報、地理空間データなど - のさまざまなクラスの機能の組み合わせとエンジニアリングのためのテクニックが提示されている。 異常値,正規性,(自動)相関,定常性,欠如データの統計解析や,特徴の相関群を識別するための階層的クラスタリング手法について詳述した。 不足したデータは、複数の多変量計算アルゴリズムを含む知識ベースと統計技術の組み合わせで克服された。 歴史情報を取り入れつつ、時系列を独立した観察の集まりに分解するために「マルコフ展開」が提示される。 最後のモデルは2つの方法で解釈された。内部の$\beta$-parametersを検査し、SHAPフレームワークを使用する。 これら2つの解釈技術を組み合わせて16の予測的特徴のリストを作成し、観察的研究が介入qs研究を設計する際に考慮すべき特徴の数を大幅に狭めることを示した。

関連論文リスト

• Latent Semantic Consensus For Deterministic Geometric Model Fitting [109.44565542031384]
  我々はLSC(Latent Semantic Consensus)と呼ばれる効果的な方法を提案する。 LSCは、モデルフィッティング問題をデータポイントとモデル仮説に基づく2つの潜在意味空間に定式化する。 LSCは、一般的な多構造モデルフィッティングのために、数ミリ秒以内で一貫した、信頼性の高いソリューションを提供することができる。
  論文  参考訳（メタデータ） (2024-03-11T05:35:38Z)
• Graph Spatiotemporal Process for Multivariate Time Series Anomaly Detection with Missing Values [67.76168547245237]
  本稿では,グラフ時間過程と異常スコアラを用いて異常を検出するGST-Proという新しいフレームワークを提案する。 実験結果から,GST-Pro法は時系列データ中の異常を効果的に検出し,最先端の手法より優れていることがわかった。
  論文  参考訳（メタデータ） (2024-01-11T10:10:16Z)
• Revisiting the Evaluation of Image Synthesis with GANs [55.72247435112475]
  本研究では, 合成性能の評価に関する実証的研究を行い, 生成モデルの代表としてGAN(Generative Adversarial Network)を用いた。 特に、表現空間におけるデータポイントの表現方法、選択したサンプルを用いた公平距離の計算方法、各集合から使用可能なインスタンス数など、さまざまな要素の詳細な分析を行う。
  論文  参考訳（メタデータ） (2023-04-04T17:54:32Z)
• Data-IQ: Characterizing subgroups with heterogeneous outcomes in tabular data [81.43750358586072]
  本稿では,サンプルをサブグループに体系的に階層化するフレームワークであるData-IQを提案する。 実世界の4つの医療データセットに対するData-IQの利点を実験的に実証した。
  論文  参考訳（メタデータ） (2022-10-24T08:57:55Z)
• Few-Shot Forecasting of Time-Series with Heterogeneous Channels [4.635820333232681]
  本研究では,時間的埋め込みを組み込んだ置換不変な深部集合ブロックからなるモデルを開発する。 実験を通して、我々のモデルはより単純なシナリオから実行されたベースラインよりも優れた一般化を提供することを示す。
  論文  参考訳（メタデータ） (2022-04-07T14:02:15Z)
• Selecting the suitable resampling strategy for imbalanced data classification regarding dataset properties [62.997667081978825]
  医学、情報検索、サイバーセキュリティ、ソーシャルメディアなどの多くのアプリケーションドメインでは、分類モデルの導入に使用されるデータセットは、各クラスのインスタンスの不平等な分布を持つことが多い。 この状況は不均衡データ分類と呼ばれ、少数民族の例では予測性能が低い。 オーバーサンプリングとアンダーサンプリングの技術は、各クラスの例の数とバランスをとることでこの問題に対処する、よく知られた戦略である。
  論文  参考訳（メタデータ） (2021-12-15T18:56:39Z)
• PIETS: Parallelised Irregularity Encoders for Forecasting with Heterogeneous Time-Series [5.911865723926626]
  マルチソースデータセットの不均一性と不規則性は時系列解析において重要な課題となる。 本研究では、異種時系列をモデル化するための新しいアーキテクチャ、PIETSを設計する。 PIETSは異種時間データを効果的にモデル化し、予測タスクにおける他の最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-09-30T20:01:19Z)
• How well do you know your summarization datasets? [11.992125069326772]
  3つの一般的な要約データセットから600のサンプルを分析した。 続いて、27の最先端の要約モデルと5つの一般的なメトリクスを徹底的に分析する。
  論文  参考訳（メタデータ） (2021-06-21T19:44:06Z)
• Deep Time Series Models for Scarce Data [8.673181404172963]
  時系列データは多くの領域で爆発的な速度で成長し、時系列モデリング研究の急増を刺激している。 データ希少性は、膨大なデータ分析の問題で発生する普遍的な問題です。
  論文  参考訳（メタデータ） (2021-03-16T22:16:54Z)
• Learning Quantities of Interest from Dynamical Systems for Observation-Consistent Inversion [0.0]
  本稿では,動的システムにおけるSIPの抽出可能な解を容易にする新しいフレームワークであるLearning Uncertain Quantities (LUQ)を提案する。 LUQはデータフィルタリング、基礎となるダイナミクスの教師なし学習、観察の分類、QoIマップの学習のための特徴抽出のためのルーチンを提供する。 科学的な利用のために、我々はPythonによるLUQの実装と、この原稿の成果を再現するために必要なすべてのデータとスクリプトへのリンクを提供します。
  論文  参考訳（メタデータ） (2020-09-15T08:27:27Z)
• Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
  被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。 グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。 まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
  論文  参考訳（メタデータ） (2020-06-11T17:29:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。