論文の概要: latrend: A Framework for Clustering Longitudinal Data
- arxiv url: http://arxiv.org/abs/2402.14621v1
- Date: Thu, 22 Feb 2024 15:09:13 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-23 14:41:57.816588
- Title: latrend: A Framework for Clustering Longitudinal Data
- Title（参考訳）: latrend: 縦断データをクラスタリングするためのフレームワーク
- Authors: Niek Den Teuling, Steffen Pauws, Edwin van den Heuvel
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Clustering of longitudinal data is used to explore common trends among
subjects over time for a numeric measurement of interest. Various R packages
have been introduced throughout the years for identifying clusters of
longitudinal patterns, summarizing the variability in trajectories between
subject in terms of one or more trends. We introduce the R package "latrend" as
a framework for the unified application of methods for longitudinal clustering,
enabling comparisons between methods with minimal coding. The package also
serves as an interface to commonly used packages for clustering longitudinal
data, including "dtwclust", "flexmix", "kml", "lcmm", "mclust", "mixAK", and
"mixtools". This enables researchers to easily compare different approaches,
implementations, and method specifications. Furthermore, researchers can build
upon the standard tools provided by the framework to quickly implement new
cluster methods, enabling rapid prototyping. We demonstrate the functionality
and application of the latrend package on a synthetic dataset based on the
therapy adherence patterns of patients with sleep apnea.
- Abstract（参考訳）: 縦断データのクラスタリングは、興味の数値測定のために時間とともに被験者間の共通傾向を探索するために使われる。
様々なRパッケージが長年にわたって導入され、1つ以上の傾向から、被験者間の軌跡の変動を要約し、縦パターンのクラスタを識別している。
本稿では,R パッケージ "latrend" を長手クラスタリング手法の統一的適用のためのフレームワークとして導入し,最小限の符号化方式との比較を可能にする。
このパッケージは、"dtwclust"、"flexmix"、"kml"、"lcmm"、"mclust"、"mixak"、"mixtools"など、縦断データをクラスタリングするための一般的なパッケージのインターフェースとしても機能する。
これにより、研究者は異なるアプローチ、実装、メソッド仕様を簡単に比較できる。
さらに、研究者はフレームワークが提供する標準ツールを利用して、新しいクラスタメソッドを迅速に実装し、迅速なプロトタイピングを可能にする。
睡眠時無呼吸患者の治療適応パターンに基づく合成データセットにおけるラトレンドパッケージの機能と応用を実証した。
関連論文リスト
- POGEMA: A Benchmark Platform for Cooperative Multi-Agent Navigation [76.67608003501479]
主評価指標の基礎に基づいて計算された領域関連メトリクスの範囲を定義する評価プロトコルを導入・指定する。
このような比較の結果は、様々な最先端のMARL、検索ベース、ハイブリッド手法を含むものである。
論文 参考訳（メタデータ） (2024-07-20T16:37:21Z) - A low-rank non-convex norm method for multiview graph clustering [0.0]
本研究では,低ランク非凸ノルムを用いたマルチビュークラスタリング手法"Consensus Graph-based Multi-View Clustering Method" を提案する。
提案手法は,既存のアルゴリズムを用いて効率よく最適化できる。
論文 参考訳（メタデータ） (2023-12-18T12:54:24Z) - TSGM: A Flexible Framework for Generative Modeling of Synthetic Time Series [61.436361263605114]
時系列データは、研究者と産業組織間のデータの共有を妨げるため、しばしば不足または非常に敏感である。
本稿では,合成時系列の生成モデリングのためのオープンソースフレームワークである時系列生成モデリング(TSGM)を紹介する。
論文 参考訳（メタデータ） (2023-05-19T10:11:21Z) - Robust Detection of Lead-Lag Relationships in Lagged Multi-Factor Models [61.10851158749843]
データ固有のリード-ラグ関係を発見することで、重要な洞察を得ることができる。
階層化多要素モデルにおけるリードラグ関係のロバスト検出のためのクラスタリング駆動手法を開発した。
論文 参考訳（メタデータ） (2023-05-11T10:30:35Z) - Probabilistic Formal Modelling to Uncover and Interpret Interaction
Styles [2.752817022620644]
本稿では,モバイルアプリのインタラクションスタイルを明らかにするために,新しい計算手法を提案する。
データセットはログされたユーザトレースであり、各バージョンで2つの6ヶ月のデプロイメントで収集される。
どちらのバージョンも、使用初日/週/月、および第2および第3月の間に、ユーザが採用するスタイルを明確に区別した。
論文 参考訳（メタデータ） (2023-05-01T21:17:01Z) - Clustering of longitudinal data: A tutorial on a variety of approaches [0.3867363075280543]
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。
論文 参考訳（メタデータ） (2021-11-10T00:40:03Z) - Cluster-and-Conquer: A Framework For Time-Series Forecasting [94.63501563413725]
本稿では,高次元時系列データを予測するための3段階フレームワークを提案する。
当社のフレームワークは非常に汎用的で,各ステップで時系列予測やクラスタリングが利用可能です。
単純な線形自己回帰モデルでインスタンス化されると、いくつかのベンチマークデータセットで最先端の結果が得られる。
論文 参考訳（メタデータ） (2021-10-26T20:41:19Z) - 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) - LSD-C: Linearly Separable Deep Clusters [145.89790963544314]
ラベルなしデータセットのクラスタを識別する新しい手法であるLSD-Cを提案する。
本手法は,最近の半教師付き学習の実践からインスピレーションを得て,クラスタリングアルゴリズムと自己教師付き事前学習と強力なデータ拡張を組み合わせることを提案する。
CIFAR 10/100, STL 10, MNIST, および文書分類データセットReuters 10Kなど, 一般的な公開画像ベンチマークにおいて, 当社のアプローチが競合より大幅に優れていたことを示す。
論文 参考訳（メタデータ） (2020-06-17T17:58:10Z) - Data Curves Clustering Using Common Patterns Detection [0.0]
分析とクラスタリングの時系列、あるいは一般にあらゆる種類の曲線は、いくつかの人間の活動にとって重要である。
共通パターン(CP)方法論を用いた新しい曲線クラスタリングについて紹介する。
論文 参考訳（メタデータ） (2020-01-05T18:36:38Z)
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。