論文の概要: Enhancing Clinical Predictive Modeling through Model Complexity-Driven
Class Proportion Tuning for Class Imbalanced Data: An Empirical Study on
Opioid Overdose Prediction
- arxiv url: http://arxiv.org/abs/2305.05722v1
- Date: Tue, 9 May 2023 19:14:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-11 15:32:47.805010
- Title: Enhancing Clinical Predictive Modeling through Model Complexity-Driven
Class Proportion Tuning for Class Imbalanced Data: An Empirical Study on
Opioid Overdose Prediction
- Title（参考訳）: クラス不均衡データに対するモデル複雑性駆動クラス比例調整による臨床予測モデリングの強化:オピオイド過剰摂取予測に関する実証的研究
- Authors: Yinan Liu, Xinyu Dong, Weimin Lyu, Richard N. Rosenthal, Rachel Wong,
Tengfei Ma and Fusheng Wang
- Abstract要約: 医学領域にはクラス不均衡の問題が広く存在し、臨床予測モデルの性能が著しく低下する。
問題再均衡のクラス比を緩和するほとんどのテクニックは、再均衡の比率は元のデータの関数であり、使用するモデルに不利である、と主に仮定する。
この研究は、この一般的な仮定に挑戦し、最適なクラス比例とモデルの複雑性を結びつけることによって、モデル毎のクラス比例を調整することを提案している。
- 参考スコア（独自算出の注目度）: 7.13083572359416
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Class imbalance problems widely exist in the medical field and heavily
deteriorates performance of clinical predictive models. Most techniques to
alleviate the problem rebalance class proportions and they predominantly assume
the rebalanced proportions should be a function of the original data and
oblivious to the model one uses. This work challenges this prevailing
assumption and proposes that links the optimal class proportions to the model
complexity, thereby tuning the class proportions per model. Our experiments on
the opioid overdose prediction problem highlight the performance gain of tuning
class proportions. Rigorous regression analysis also confirms the advantages of
the theoretical framework proposed and the statistically significant
correlation between the hyperparameters controlling the model complexity and
the optimal class proportions.
- Abstract（参考訳）: 医学領域にはクラス不均衡の問題が広く存在し、臨床予測モデルの性能が著しく低下する。
問題再均衡のクラス比を緩和するほとんどの手法は、再均衡の比率は元のデータの関数であり、使用するモデルに偏りがないと仮定する。
この研究は、この一般的な仮定に挑戦し、最適なクラスの割合とモデルの複雑さを結びつけ、モデル当たりのクラスの割合を調整することを提案する。
オピオイド過量予測問題に関する実験は、チューニングクラス比率のパフォーマンス向上を浮き彫りにした。
厳密回帰分析は、提案された理論的枠組みの利点と、モデル複雑性を制御するハイパーパラメータと最適なクラス比との統計的に有意な相関も確認する。
関連論文リスト
- An Experimental Study on the Rashomon Effect of Balancing Methods in Imbalanced Classification [0.0]
本稿では,ラショモン効果を用いた予測多重度に及ぼすバランス法の影響について検討する。
データ中心のAIにおける盲点モデル選択は、ほぼ同じ精度のモデルのセットからリスクが高いため、非常に重要です。
論文 参考訳（メタデータ） (2024-03-22T13:08:22Z) - MCRAGE: Synthetic Healthcare Data for Fairness [3.0089659534785853]
そこで本稿では,MCRAGE (Generative Modeling) の強化による不均衡データセットの増大によるマイノリティクラス再バランスを提案する。
MCRAGEは、デノイング拡散確率モデル (Denoising Diffusion Probabilistic Model, CDDPM) を訓練し、未表現のクラスから高品質な合成EHRサンプルを生成する。
この合成データを使用して、既存の不均衡なデータセットを増大させ、その結果、すべてのクラスにまたがるよりバランスの取れた分散を実現します。
論文 参考訳（メタデータ） (2023-10-27T19:02:22Z) - Incoporating Weighted Board Learning System for Accurate Occupational
Pneumoconiosis Staging [2.6279558928497218]
職業性肺気腫症 (OP) の進行は, 患者の肺の健康に関する重要な課題である。
患者のステージング結果は、ステージング標準と胸部X線に依存している。
OPデータの分布は一般に不均衡であり、分類モデルの影響を大幅に減少させる。
論文 参考訳（メタデータ） (2022-08-13T09:31:25Z) - Density-Aware Personalized Training for Risk Prediction in Imbalanced
Medical Data [89.79617468457393]
不均衡率(クラス密度差)のトレーニングモデルは、最適以下の予測につながる可能性がある。
この不均衡問題に対するモデルトレーニングのためのフレームワークを提案する。
実世界の医療データセットにおけるモデルの性能向上を実証する。
論文 参考訳（メタデータ） (2022-07-23T00:39:53Z) - On how to avoid exacerbating spurious correlations when models are
overparameterized [33.315813572333745]
VS-lossは、たとえスプリアス機能が強いとしても、マイノリティに公平なモデルを学ぶことを示す。
これまでの研究と比較すると、我々の境界はより一般的なモデルであり、それらは漸近的ではなく、極端な不均衡のシナリオにも適用される。
論文 参考訳（メタデータ） (2022-06-25T21:53:44Z) - A Relational Model for One-Shot Classification [80.77724423309184]
インダクティブバイアスを組み込んだディープラーニングモデルは,広範なデータ拡張に頼ることなく,サンプル効率のよい学習にメリットをもたらすことを示す。
提案するワンショット分類モデルは,一対の入力を局所的および対的注意の形で関係マッチングする。
論文 参考訳（メタデータ） (2021-11-08T07:53:12Z) - A Twin Neural Model for Uplift [59.38563723706796]
Upliftは条件付き治療効果モデリングの特定のケースです。
相対リスクのベイズ解釈との関連性を利用して定義した新たな損失関数を提案する。
本提案手法は,シミュレーション設定の最先端と大規模ランダム化実験による実データとの競合性を示す。
論文 参考訳（メタデータ） (2021-05-11T16:02:39Z) - A non-asymptotic penalization criterion for model selection in mixture
of experts models [1.491109220586182]
ガウス型局所化moe(glome)回帰モデルを用いて異種データをモデル化する。
このモデルは、統計的推定とモデル選択の問題に関して難しい疑問を提起する。
本稿では,GLoMEモデルの成分数を推定する問題について,最大推定法を用いて検討する。
論文 参考訳（メタデータ） (2021-04-06T16:24:55Z) - Bayesian prognostic covariate adjustment [59.75318183140857]
疾患の結果に関する歴史的データは、様々な方法で臨床試験の分析に組み込むことができる。
我々は, 予測モデルからの予後スコアを用いて, 治療効果推定の効率を向上する既存の文献に基づいて構築する。
論文 参考訳（メタデータ） (2020-12-24T05:19:03Z) - Increasing the efficiency of randomized trial estimates via linear
adjustment for a prognostic score [59.75318183140857]
ランダム化実験による因果効果の推定は臨床研究の中心である。
歴史的借用法のほとんどは、厳格なタイプiエラー率制御を犠牲にして分散の削減を達成する。
論文 参考訳（メタデータ） (2020-12-17T21:10:10Z) - Double Robust Representation Learning for Counterfactual Prediction [68.78210173955001]
そこで本稿では, 対実予測のための2次ロバスト表現を学習するための, スケーラブルな新しい手法を提案する。
我々は、個々の治療効果と平均的な治療効果の両方に対して、堅牢で効率的な対実的予測を行う。
このアルゴリズムは,実世界の最先端技術と合成データとの競合性能を示す。
論文 参考訳（メタデータ） (2020-10-15T16:39:26Z)
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。