論文の概要: Machine Learning Framework: Competitive Intelligence and Key Drivers
Identification of Market Share Trends Among Healthcare Facilities
- arxiv url: http://arxiv.org/abs/2212.04810v2
- Date: Mon, 12 Dec 2022 08:15:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-13 12:39:15.978836
- Title: Machine Learning Framework: Competitive Intelligence and Key Drivers
Identification of Market Share Trends Among Healthcare Facilities
- Title（参考訳）: 機械学習フレームワーク:医療施設における競争的知性とキードライバーの市場シェア傾向の同定
- Authors: Anudeep Appe, Bhanu Poluparthi, Lakshmi Kasivajjula, Udai Mv, Sobha
Bagadi, Punya Modi, Aditya Singh, Hemanth Gunupudi
- Abstract要約: アメリカ(アメリカ合衆国)の医療事業がこの研究のために選ばれている。
ワシントン州の60の重要施設にまたがるデータと、約3年間の歴史的データを扱う。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The necessity of data driven decisions in healthcare strategy formulation is
rapidly increasing. A reliable framework which helps identify factors impacting
a Healthcare Provider Facility or a Hospital (from here on termed as Facility)
Market Share is of key importance. This pilot study aims at developing a data
driven Machine Learning - Regression framework which aids strategists in
formulating key decisions to improve the Facilitys Market Share which in turn
impacts in improving the quality of healthcare services. The US (United States)
healthcare business is chosen for the study; and the data spanning across 60
key Facilities in Washington State and about 3 years of historical data is
considered. In the current analysis Market Share is termed as the ratio of
facility encounters to the total encounters among the group of potential
competitor facilities. The current study proposes a novel two-pronged approach
of competitor identification and regression approach to evaluate and predict
market share, respectively. Leveraged model agnostic technique, SHAP, to
quantify the relative importance of features impacting the market share. The
proposed method to identify pool of competitors in current analysis, develops
Directed Acyclic Graphs (DAGs), feature level word vectors and evaluates the
key connected components at facility level. This technique is robust since its
data driven which minimizes the bias from empirical techniques. Post
identifying the set of competitors among facilities, developed Regression model
to predict the Market share. For relative quantification of features at a
facility level, incorporated SHAP a model agnostic explainer. This helped to
identify and rank the attributes at each facility which impacts the market
share.
- Abstract（参考訳）: 医療戦略策定におけるデータ駆動決定の必要性は急速に増加している。
医療提供者施設や病院(ここからは施設と呼ぶ)に影響を与える要因を特定するための信頼性の高いフレームワークが重要視されている。
このパイロット研究の目的は、ストラテジストが医療サービスの品質向上に影響を及ぼす施設の市場シェアを改善するために重要な決定を策定することを支援する、データ駆動機械学習(data driven machine learning) - 回帰フレームワークの開発である。
米国(米国)のヘルスケアビジネスが研究対象に選ばれ、ワシントン州の主要施設60施設にまたがるデータと、約3年間の歴史的データについて検討されている。
現在の分析において、市場シェアは、潜在的な競争相手の施設群間の合計の出会いに対する施設の出会いの割合として表される。
本研究は,市場シェアを評価・予測するための,競争相手識別と回帰アプローチの2段階的アプローチを提案する。
マーケットシェアに影響を与える機能の相対的重要性を定量化するために、モデル非依存技術であるSHAPを利用する。
提案手法は,既存分析における競合相手のプールを同定し,DAG(Directed Acyclic Graphs)と特徴レベルのワードベクトルを開発し,施設レベルで重要な連結成分を評価する。
この技術は、経験的手法のバイアスを最小限に抑えるデータ駆動によって堅牢である。
施設間の競争相手を特定したポストは、市場シェアを予測するための回帰モデルを開発した。
施設レベルでの特徴の相対的定量化のために、shap a をモデル非依存の説明器として組み込んだ。
これは、市場シェアに影響を与える各施設の属性を特定しランク付けするのに役立った。
関連論文リスト
- Electricity Price Forecasting in the Irish Balancing Market [0.0]
この研究は、広く研究されている日頭市場で成功した様々な価格予測手法をアイルランドのバランス市場に適用する。
異なるトレーニングサイズの影響を調査するフレームワークを用いて,統計モデル,機械学習モデル,ディープラーニングモデルを比較した。
大規模な数値的な研究により、日頭市場における良いパフォーマンスのモデルはバランスの取れないモデルではうまく機能しないことが示された。
論文 参考訳（メタデータ） (2024-02-09T15:18:00Z) - American Option Pricing using Self-Attention GRU and Shapley Value
Interpretation [0.0]
本稿では,ゲートリカレントユニット(GRU)と自己認識機構に基づいて,SPY(ETF)オプションの価格を予測する機械学習手法を提案する。
我々は、多層パーセプトロン(MLP)、長期記憶(LSTM)、自己注意型LSTM、自己注意型GRUの4つの異なる機械学習モデルを構築した。
論文 参考訳（メタデータ） (2023-10-19T06:05:46Z) - Blockchain-empowered Federated Learning for Healthcare Metaverses:
User-centric Incentive Mechanism with Optimal Data Freshness [66.3982155172418]
まず、医療メタバースのための分散型フェデレートラーニング(FL)に基づく、ユーザ中心のプライバシ保護フレームワークを設計する。
次に,情報時代(AoI)を有効データ更新度指標として利用し,観測理論(PT)に基づくAoIベースの契約理論モデルを提案し,センシングデータ共有の動機付けを行う。
論文 参考訳（メタデータ） (2023-07-29T12:54:03Z) - Competition, Alignment, and Equilibria in Digital Marketplaces [97.03797129675951]
プラットフォームアクションがバンディットアルゴリズムであり,両プラットフォームがユーザ参加を競うデュオポリー市場について検討する。
私たちの主な発見は、この市場における競争は、市場の結果をユーザーユーティリティと完全に一致させるものではないということです。
論文 参考訳（メタデータ） (2022-08-30T17:43:58Z) - Fair Machine Learning in Healthcare: A Review [90.22219142430146]
我々は、機械学習と医療格差における公正性の交差を分析する。
機械学習の観点から、関連する公正度メトリクスを批判的にレビューする。
本稿では,医療における倫理的かつ公平なMLアプリケーション開発を約束する新たな研究指針を提案する。
論文 参考訳（メタデータ） (2022-06-29T04:32:10Z) - Strategic Coalition for Data Pricing in IoT Data Markets [32.38170282930876]
本稿では、機械学習モデルのトレーニングに使用されるIoT(Internet of Things)データのトレーディング市場について考察する。
データはネットワークを介して市場プラットフォームに供給され、そのようなデータの価格が機械学習モデルにもたらす価値に基づいて制御される。
論文 参考訳（メタデータ） (2022-06-15T19:48:10Z) - Measuring Fairness Under Unawareness of Sensitive Attributes: A
Quantification-Based Approach [131.20444904674494]
センシティブな属性の無意識下でのグループフェアネスを測定する問題に取り組む。
定量化手法は, フェアネスと無意識の問題に対処するのに特に適していることを示す。
論文 参考訳（メタデータ） (2021-09-17T13:45:46Z) - Cross-Market Product Recommendation [22.385250578972084]
我々は、資源補助市場において、類似の富裕層からのデータを活用して、資源密閉市場の利用者に関連商品を推薦する問題について検討する。
我々は、市場適応というクロスマーケット製品レコメンデーションの問題を導入し、フォーマル化する。
我々は、市場適応が異なる市場に対する影響を研究する広範囲な実験を行っている。
論文 参考訳（メタデータ） (2021-09-13T12:53:45Z) - A Hybrid Learning Approach to Detecting Regime Switches in Financial
Markets [0.0]
本稿では,米国金融市場におけるレギュラースイッチ検出のための新しい枠組みを提案する。
クラスタ分析と分類の組み合わせを用いて、公開可能な経済データに基づいて金融市場の体制を同定する。
検出された体制に基づいて2つの取引戦略を構築・評価することで,枠組みの有効性を示す。
論文 参考訳（メタデータ） (2021-08-05T01:15:19Z) - OSOUM Framework for Trading Data Research [79.0383470835073]
私たちは、私たちの知る限り、最初のオープンソースのシミュレーションプラットフォームであるOpen SOUrce Market Simulator(OSOUM)を提供して、トレーディング市場、特にデータ市場を分析します。
我々は、購入に利用可能なさまざまなデータセットを所有する売り手と、購入に有効な適切なデータセットを検索する買い手という2つのタイプのエージェントからなる、特定のデータ市場モデルを記述し、実装する。
データ市場を扱うための商用フレームワークはすでに存在していますが、購入者および販売者の両方が(データ)市場に参加することの可能な振る舞いをシミュレートするための、自由で広範なエンドツーエンドの研究ツールを提供しています。
論文 参考訳（メタデータ） (2021-02-18T09:20:26Z) - Predictive Modeling of ICU Healthcare-Associated Infections from
Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling
Approach [55.41644538483948]
本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。
感染発生率の低減に向けた意思決定を支援することを目的とする。
論文 参考訳（メタデータ） (2020-05-07T16:13:12Z)
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。