論文の概要: Cohort Characteristics and Factors Associated with Cannabis Use among
Adolescents in Canada Using Pattern Discovery and Disentanglement Method
- arxiv url: http://arxiv.org/abs/2109.01739v1
- Date: Fri, 3 Sep 2021 21:53:14 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-07 16:31:41.444063
- Title: Cohort Characteristics and Factors Associated with Cannabis Use among
Adolescents in Canada Using Pattern Discovery and Disentanglement Method
- Title（参考訳）: カナダにおける若年者における大麻使用に伴うコホート特性と要因
- Authors: Peiyuan Zhou, Andrew K.C. Wong, Yang Yang, Scott T. Leatherdale, Kate
Battista, Zahid A. Butt, George Michalopoulos, Helen Chen
- Abstract要約: 大麻使用に関連するカナダ人の青年期における行動要因の有意な頻繁・希少な関連を明らかにすることを目的としている。
我々は,9年生から12年生の18,761人の記録を含むCompassデータセットのサブセットを用いて,様々な特徴を含む31種類の特徴(属性)を抽出した。
その後、データセットから強い(統計的に有意な)関連や稀な(統計的に有意な)関連を検出するために、Pattern Discovery and Disentanglement (PDD)アルゴリズムを使用した。
- 参考スコア（独自算出の注目度）: 3.77251737220697
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: COMPASS is a longitudinal, prospective cohort study collecting data annually
from students attending high school in jurisdictions across Canada. We aimed to
discover significant frequent/rare associations of behavioral factors among
Canadian adolescents related to cannabis use. We use a subset of COMPASS
dataset which contains 18,761 records of students in grades 9 to 12 with 31
selected features (attributes) involving various characteristics, from living
habits to academic performance. We then used the Pattern Discovery and
Disentanglement (PDD) algorithm that we have developed to detect strong and
rare (yet statistically significant) associations from the dataset. PDD used
the criteria derived from disentangled statistical spaces (known as
Re-projected Adjusted-Standardized Residual Vector Spaces, notated as RARV). It
outperformed methods using other criteria (i.e. support and confidence) popular
as reported in the literature. Association results showed that PDD can
discover: i) a smaller set of succinct significant associations in clusters;
ii) frequent and rare, yet significant, patterns supported by population health
relevant study; iii) patterns from a dataset with extremely imbalanced groups
(majority class: minority class = 88.3%: 11.7%).
- Abstract（参考訳）: コンパックス(CompASS)は、カナダ全土の高校に通っている学生から毎年収集されるデータである。
本研究の目的は,大麻使用に関連するカナダ青年の行動要因の有意な頻繁/希少な関連を明らかにすることである。
コンパスデータセットのサブセットを使用して,9年生から12年生までの学生18,761レコードと,生活習慣から学業成績まで,さまざまな特徴を含む31の特徴(属性)を収録した。
その後、データセットから強くて稀な(統計的に重要な)関連を検出するために開発したPattern Discovery and Disentanglement (PDD)アルゴリズムを使用した。
PDDは、散らばった統計空間(RARV(Re-projected Adjusted-Standardized Residual Vector Spaces)として知られる)に由来する基準を使用した。
他の基準(すなわち)を用いた手法よりも優れていた。
支持と信頼) 文献で報告されているように人気がある。
i) クラスターにおける簡潔で重要な関連性、(i) 頻繁で希少であるが、人口健康に関する研究によって支持されるパターン、(iii) 極めて不均衡なグループ(多数派: マイノリティクラス = 88.3%: 11.7%)のデータセットからのパターン。
関連論文リスト
- Forecasting Mortality in the Middle-Aged and Older Population of England: A 1D-CNN Approach [0.0]
本研究は,2年毎に実施される英語経年調査(ELSA)について考察する。
我々は1次元畳み込みニューラルネットワーク(1D-CNN)を用いて、社会デコグラフィー、疾患、モビリティ障害、日常生活活動(ADL)、日常生活の計測活動(IADL)を用いて死亡率を予測する。
データセットが高度に不均衡なため、異なるオーバーサンプリング手法を試行し、小さなクラスを過剰に表現することで結果が改善されていることに気付きました。
論文 参考訳（メタデータ） (2024-11-01T02:20:19Z) - Machine Learning Predicts Upper Secondary Education Dropout as Early as the End of Primary School [0.0]
本研究は、幼稚園から9年生までのデータを含む13年間の縦断データセットを用いて、モデリングの地平を広げた。
本手法は,学生の学術的・認知的スキル,モチベーション,行動,幸福感,公式記録されたドロップアウトデータなど,幅広いパラメータを取り入れた。
本研究で開発された機械学習モデルでは, 曲線(AUC)の平均面積が0.61まで, 改善されたAUCは0.65まで, グレード9まで, 顕著な分類能力を示した。
論文 参考訳（メタデータ） (2024-03-01T13:18:08Z) - What's Race Got to do with it? Predicting Youth Depression Across Racial
Groups Using Machine and Deep Learning [0.0]
うつ病は一般的だが深刻な精神障害であり、毎年何百万人もの高校生に影響を与えている。
本研究では、機械学習(ML)モデルと人工知能ニューラルネットワーク(ANN)モデルを用いて、学生のうつ病を分類する手法を提案する。
論文 参考訳（メタデータ） (2023-08-21T13:59:50Z) - Responsible Active Learning via Human-in-the-loop Peer Study [88.01358655203441]
我々は,データプライバシを同時に保持し,モデルの安定性を向上させるために,Pear Study Learning (PSL) と呼ばれる責任あるアクティブラーニング手法を提案する。
まず,クラウドサイドのタスク学習者(教師)から未学習データを分離する。
トレーニング中、タスク学習者は軽量なアクティブ学習者に指示し、アクティブサンプリング基準に対するフィードバックを提供する。
論文 参考訳（メタデータ） (2022-11-24T13:18:27Z) - Evaluation of data imputation strategies in complex, deeply-phenotyped
data sets: the case of the EU-AIMS Longitudinal European Autism Project [0.0]
臨床データの欠落を補うために, 大規模(全N=764)データセットから異なる計算法を評価した。
参加者の重複する15のサブセットに160の臨床試験を分けて検討した。
論文 参考訳（メタデータ） (2022-01-20T21:50:38Z) - Neighborhood Contrastive Learning for Novel Class Discovery [79.14767688903028]
我々は,クラスタリング性能に重要な識別表現を学習するために,Neighborhood Contrastive Learningという新しいフレームワークを構築した。
これらの2つの成分がクラスタリング性能に大きく寄与し、我々のモデルが最先端の手法よりも大きなマージンで優れていることを実験的に実証した。
論文 参考訳（メタデータ） (2021-06-20T17:34:55Z) - Relational Subsets Knowledge Distillation for Long-tailed Retinal
Diseases Recognition [65.77962788209103]
本研究では,長尾データを知識に基づいて複数のクラスサブセットに分割し,クラスサブセット学習を提案する。
モデルがサブセット固有の知識の学習に集中するように強制する。
提案手法は長期網膜疾患認識タスクに有効であることが判明した。
論文 参考訳（メタデータ） (2021-04-22T13:39:33Z) - Bootstrapping Your Own Positive Sample: Contrastive Learning With
Electronic Health Record Data [62.29031007761901]
本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。
EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。
私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
論文 参考訳（メタデータ） (2021-04-07T06:02:04Z) - Multi-characteristic Subject Selection from Biased Datasets [79.82881947891589]
本稿では,異なる集団群に対する最良サンプリング分数を求める制約付き最適化に基づく手法を提案する。
その結果,提案手法がすべての問題変化のベースラインを最大90%上回っていることが示された。
論文 参考訳（メタデータ） (2020-12-18T15:55:27Z) - Enhancing Facial Data Diversity with Style-based Face Aging [59.984134070735934]
特に、顔データセットは、通常、性別、年齢、人種などの属性の観点からバイアスされる。
本稿では, 細粒度の老化パターンをキャプチャするデータ拡張のための, 生成スタイルに基づく新しいアーキテクチャを提案する。
提案手法は, 年齢移動のための最先端アルゴリズムよりも優れていることを示す。
論文 参考訳（メタデータ） (2020-06-06T21:53:44Z)
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。