論文の概要: Clustering of longitudinal data: A tutorial on a variety of approaches
- arxiv url: http://arxiv.org/abs/2111.05469v1
- Date: Wed, 10 Nov 2021 00:40:03 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-11 14:24:54.638766
- Title: Clustering of longitudinal data: A tutorial on a variety of approaches
- Title(参考訳): 縦断データのクラスタリング:多種多様なアプローチに関するチュートリアル
- Authors: Niek Den Teuling, Steffen Pauws, Edwin van den Heuvel
- Abstract要約: 長手データにおける傾向の異なるグループを識別する手法は、多くの研究分野において関心が高まっている。
グループベース軌道モデリング(GBTM)、成長混合モデリング(GMM)、縦 k-means(KML)を含む縦 k-means の手法の選択について述べる。
- 参考スコア(独自算出の注目度): 0.3867363075280543
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: During the past two decades, methods for identifying groups with different
trends in longitudinal data have become of increasing interest across many
areas of research. To support researchers, we summarize the guidance from the
literature regarding longitudinal clustering. Moreover, we present a selection
of methods for longitudinal clustering, including group-based trajectory
modeling (GBTM), growth mixture modeling (GMM), and longitudinal k-means (KML).
The methods are introduced at a basic level, and strengths, limitations, and
model extensions are listed. Following the recent developments in data
collection, attention is given to the applicability of these methods to
intensive longitudinal data (ILD). We demonstrate the application of the
methods on a synthetic dataset using packages available in R.
- Abstract(参考訳): 過去20年間で、縦断データにおける傾向の異なるグループを識別する手法が、多くの研究分野において注目されている。
研究者を支援するために,縦断クラスタリングに関する文献からのガイダンスを概説する。
さらに,グループベース軌道モデル (GBTM) や成長混合モデル (GMM) ,縦 k-means (KML) など,長手クラスタリングの手法を選択する。
メソッドは基本的なレベルで導入され、強度、制限、モデル拡張がリストアップされる。
近年のデータ収集の進展に伴い、これらの手法が集中型縦断データ(ILD)に適用可能であることに注意が向けられている。
rで利用可能なパッケージを用いて,合成データセット上での手法の適用例を示す。
関連論文リスト
- latrend: A Framework for Clustering Longitudinal Data [0.0]
縦クラスタリングのためのメソッドの統一的な適用のためのフレームワークとして,Rパッケージ"latrend"を紹介した。
dtwclust"、"flexmix"、"kml"、"lcmm"、"mclust"、"mixAK"、"mixtools"などの長手データのクラスタリングに使われるパッケージのインターフェースとしても機能する。
論文 参考訳(メタデータ) (2024-02-22T15:09:13Z) - A Bayesian Methodology for Estimation for Sparse Canonical Correlation [0.0]
標準相関解析(CCA)は、データセット間の関係を識別する統計手法である。
ScSCCAは、異なるデータモダリティ間の相互関係の堅牢なモデリングを目的とした、急速に発展する方法論分野である。
ベイズ無限因子モデルを用いて,ロバストな推定を実現する新しいSCSCCA手法を提案する。
論文 参考訳(メタデータ) (2023-10-30T15:14:25Z) - Joint Distributional Learning via Cramer-Wold Distance [0.7614628596146602]
高次元データセットの共分散学習を容易にするために,クレーマー-ウォルド距離正規化を導入し,クレーマー-ウォルド距離正規化法を提案する。
また、フレキシブルな事前モデリングを可能にする2段階学習手法を導入し、集約後と事前分布のアライメントを改善する。
論文 参考訳(メタデータ) (2023-10-25T05:24:23Z) - Heterogeneous Multi-Task Gaussian Cox Processes [61.67344039414193]
異種相関タスクを共同でモデル化するためのマルチタスクガウスコックスプロセスの新たな拡張を提案する。
MOGPは、分類、回帰、ポイントプロセスタスクの専用可能性のパラメータに先行して、異種タスク間の情報の共有を容易にする。
モデルパラメータを推定するための閉形式反復更新を実現する平均場近似を導出する。
論文 参考訳(メタデータ) (2023-08-29T15:01:01Z) - A Heat Diffusion Perspective on Geodesic Preserving Dimensionality
Reduction [66.21060114843202]
熱測地線埋め込みと呼ばれるより一般的な熱カーネルベースの多様体埋め込み法を提案する。
その結果,本手法は,地中真理多様体距離の保存において,既存の技術よりも優れていることがわかった。
また,連続体とクラスタ構造を併用した単一セルRNAシークエンシングデータセットに本手法を適用した。
論文 参考訳(メタデータ) (2023-05-30T13:58:50Z) - GLOBEM Dataset: Multi-Year Datasets for Longitudinal Human Behavior
Modeling Generalization [23.504179265188743]
モバイルおよびウェアラブルセンサから収集された700以上のユーザ年と497のユニークなユーザデータを含む,最初の多年間受動的センシングデータセットを提示する。
我々のデータセットは、さまざまなユーザや年数にわたる行動モデリングアルゴリズムの一般化性に関する、複数のデータセット間の評価をサポートすることができる。
論文 参考訳(メタデータ) (2022-11-04T20:16:59Z) - Consistency and Diversity induced Human Motion Segmentation [231.36289425663702]
本稿では,CDMS(Consistency and Diversity induced Human Motion)アルゴリズムを提案する。
我々のモデルは、ソースとターゲットデータを異なる多層特徴空間に分解する。
ソースとターゲットデータ間の領域ギャップを低減するために、マルチミューチュアル学習戦略を実行する。
論文 参考訳(メタデータ) (2022-02-10T06:23:56Z) - An overview of mixing augmentation methods and augmentation strategies [0.0]
このレビューは、主に2017年から2021年までの上位層会議や主要雑誌の資料に掲載されている手法を取り上げている。
本調査では,画像混合と拡張戦略の自動選択という,2つのDA研究ストリームに焦点を当てた。
論文 参考訳(メタデータ) (2021-07-21T05:58:06Z) - A Survey on Deep Semi-supervised Learning [51.26862262550445]
まず,既存の手法を分類した深層半指導学習の分類法を提案する。
次に、損失の種類、貢献度、アーキテクチャの違いの観点から、これらのメソッドを詳細に比較します。
論文 参考訳(メタデータ) (2021-02-28T16:22:58Z) - Topology-based Clusterwise Regression for User Segmentation and Demand
Forecasting [63.78344280962136]
本研究は,パブリックおよび新規な商用データ集合を用いて,アナリストがユーザベースをクラスタリングし,詳細なレベルで需要を計画できることを示す。
本研究は,TDAに基づく時系列クラスタリングと行列因数分解法によるクラスタ回帰を実践者にとって実行可能なツールとして導入することを目的とする。
論文 参考訳(メタデータ) (2020-09-08T12:10:10Z) - Conjoined Dirichlet Process [63.89763375457853]
我々はディリクレ過程に基づく新しい非パラメトリック確率的ビクラスタリング法を開発し、列と列の双方に強い共起を持つビクラスタを同定する。
本手法はテキストマイニングと遺伝子発現解析の2つの異なる応用に適用し,既存の手法に比べて多くの設定でビクラスタ抽出を改善することを示す。
論文 参考訳(メタデータ) (2020-02-08T19:41:23Z)
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。