論文の概要: Analysis of ELSA COVID-19 Substudy response rate using machine learning algorithms
- arxiv url: http://arxiv.org/abs/2411.00297v1
- Date: Fri, 01 Nov 2024 01:34:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-05 14:49:54.002115
- Title: Analysis of ELSA COVID-19 Substudy response rate using machine learning algorithms
- Title(参考訳): 機械学習アルゴリズムを用いたELSA COVID-19サブスタディ応答速度の解析
- Authors: Marjan Qazvini,
- Abstract要約: 本研究は,英語のELSA(Longitudinal Study of Ageing) COVID-19 Substudyに焦点をあてる。
我々の目的は、K-nearest neighbors(KNN)、ランダムフォレスト(RF)、AdaBoost、ロジスティック回帰、ニューラルネットワーク(NN)などの機械学習(ML)アルゴリズムを用いて非応答を予測することである。
RFは、精度のバランスとテストの精度で他のモデルより優れており、受信機動作特性曲線(ROC)の下での領域でのロジスティクスのレグレッションも優れていることが判明した。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: National Statistical Organisations every year spend time and money to collect information through surveys. Some of these surveys include follow-up studies, and usually, some participants due to factors such as death, immigration, change of employment, health, etc, do not participate in future surveys. In this study, we focus on the English Longitudinal Study of Ageing (ELSA) COVID-19 Substudy, which was carried out during the COVID-19 pandemic in two waves. In this substudy, some participants from wave 1 did not participate in wave 2. Our purpose is to predict non-responses using Machine Learning (ML) algorithms such as K-nearest neighbours (KNN), random forest (RF), AdaBoost, logistic regression, neural networks (NN), and support vector classifier (SVC). We find that RF outperforms other models in terms of balanced accuracy, KNN in terms of precision and test accuracy, and logistics regressions in terms of the area under the receiver operating characteristic curve (ROC), i.e. AUC.
- Abstract(参考訳): 国家統計機関は毎年、調査を通じて情報を集めるために時間とお金を費やしている。
これらの調査には、フォローアップ研究が含まれており、通常は、死亡、移民、雇用の変化、健康などの要因により、将来の調査には参加しない参加者もいる。
本研究は、新型コロナウイルスのパンデミックの2つの波で実施された英語のELSA(Longitudinal Study of Ageing) COVID-19 Substudyに焦点を当てた。
このサブスタディでは、ウェーブ1の参加者の一部がウェーブ2に参加しなかった。
我々の目的は、K-nearest neighbors(KNN)、ランダムフォレスト(RF)、AdaBoost(AdaBoost)、ロジスティック回帰、ニューラルネットワーク(NN)、サポートベクトル分類器(SVC)などの機械学習(ML)アルゴリズムを用いて非応答を予測することである。
RFは、精度のバランスやテスト精度の点で他のモデルよりも優れており、受信特性曲線(ROC)の下の領域、すなわちAUCではロジスティクスレグレッションレグレッションが優れていることが判明した。
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) - Imputing Brain Measurements Across Data Sets via Graph Neural Networks [23.585998411079004]
公開されている構造MRIのデータセットには、機械学習モデルのトレーニングに重要な脳の領域(ROI)の具体的な測定が含まれていない可能性がある。
本稿では,不足した測定値を含む他の(パブリックな)データセット上での予測タスクとして,計算問題を再設定することを提案する。
ディープラーニングモデルは、共有されたデータから欠落した測定値を予測するために訓練され、その後、他のデータセットに適用される。
論文 参考訳(メタデータ) (2023-08-19T05:03:35Z) - ASPEST: Bridging the Gap Between Active Learning and Selective
Prediction [56.001808843574395]
選択予測は、不確実な場合の予測を棄却する信頼性のあるモデルを学ぶことを目的としている。
アクティブラーニングは、最も有意義な例を問うことで、ラベリングの全体、すなわち人間の依存度を下げることを目的としている。
本研究では,移動対象領域からより情報のあるサンプルを検索することを目的とした,新たな学習パラダイムである能動的選択予測を導入する。
論文 参考訳(メタデータ) (2023-04-07T23:51:07Z) - Toward Unsupervised Realistic Visual Question Answering [70.67698100148414]
現実的なVQA(RVQA)の問題について検討し、モデルが答えられない質問(UQ)を拒絶し、答えられる質問(AQ)に答えなければならない。
1)データセットには不整合UQが多すぎること,(2)多数の注釈付きUQがトレーニングに必要とされること,の2つの欠点を最初に指摘した。
我々は、既存のVQAデータセットのAQと約29万の人間の注釈付きUQを組み合わせた新しいテストデータセットRGQAを提案する。
これは、画像と質問をランダムにペアリングして得られる擬似UQと、それを結合する。
論文 参考訳(メタデータ) (2023-03-09T06:58:29Z) - Statistical and Computational Phase Transitions in Group Testing [73.55361918807883]
本研究の目的は、希少な疾患を患っているk人の集団を同定することである。
個々人のテストを割り当てるための2つの異なる単純なランダムな手順を考える。
論文 参考訳(メタデータ) (2022-06-15T16:38:50Z) - Rethinking Nearest Neighbors for Visual Classification [56.00783095670361]
k-NNは、トレーニングセット内のテストイメージとトップk隣人間の距離を集約する遅延学習手法である。
我々は,教師付き手法と自己監督型手法のいずれでも,事前学習した視覚表現を持つk-NNを2つのステップで採用する。
本研究は,幅広い分類タスクに関する広範な実験により,k-NN統合の汎用性と柔軟性を明らかにした。
論文 参考訳(メタデータ) (2021-12-15T20:15:01Z) - A Machine Learning Analysis of COVID-19 Mental Health Data [0.0]
2019年12月、中国武漢で新型コロナウイルス(SARS-Cov-2)が最初に確認された。
本稿では、新型コロナウイルスのパンデミックが米国における最前線労働者のメンタルヘルスに与える影響について分析する。
メンタルヘルス調査データに適用された多くのモデルの解釈を通じて、最前線労働者のメンタルヘルスの低下を予測する上で最も重要な要因がヘルスケアの役割であると結論付けている。
論文 参考訳(メタデータ) (2021-12-01T02:00:44Z) - Classification of fNIRS Data Under Uncertainty: A Bayesian Neural
Network Approach [0.15229257192293197]
オープンアクセスデータセット上でバイナリ分類を行うために,ベイズニューラルネットワーク(bnn)を使用する。
私たちのモデルは、ボランティア30人に対して86.44%の全体的な分類精度を作り出した。
論文 参考訳(メタデータ) (2021-01-18T15:43:59Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳(メタデータ) (2020-12-06T18:55:07Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳(メタデータ) (2020-07-20T21:47:28Z)
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。