Fugu-MT 論文翻訳(概要): Machine Learning in Epidemiology

論文の概要: Machine Learning in Epidemiology

arxiv url: http://arxiv.org/abs/2602.16352v1
Date: Wed, 18 Feb 2026 10:35:18 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-19 15:58:30.581
Title: Machine Learning in Epidemiology
Title（参考訳）: 疫学における機械学習
Authors: Marvin N. Wright, Lukas Burk, Pegah Golchian, Jan Kapar, Niklas Koenen, Sophie Hanna Langbein,
Abstract要約: 本章では、疫学に機械学習をうまく応用するための方法論の基礎を定めている。教師付きおよび教師なし学習の原則を網羅し、最も重要な機械学習手法について議論する。
参考スコア（独自算出の注目度）: 2.594897045798039
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In the age of digital epidemiology, epidemiologists are faced by an increasing amount of data of growing complexity and dimensionality. Machine learning is a set of powerful tools that can help to analyze such enormous amounts of data. This chapter lays the methodological foundations for successfully applying machine learning in epidemiology. It covers the principles of supervised and unsupervised learning and discusses the most important machine learning methods. Strategies for model evaluation and hyperparameter optimization are developed and interpretable machine learning is introduced. All these theoretical parts are accompanied by code examples in R, where an example dataset on heart disease is used throughout the chapter.
Abstract（参考訳）: デジタル疫学の時代、疫学者は複雑さと次元が増大するデータの増加に直面している。機械学習は、膨大な量のデータを分析するのに役立つ強力なツールのセットだ。本章では、疫学に機械学習をうまく応用するための方法論の基礎を定めている。教師付きおよび教師なし学習の原則を網羅し、最も重要な機械学習手法について議論する。モデル評価とハイパーパラメータ最適化のための戦略を開発し、解釈可能な機械学習を導入する。これらの理論的な部分はすべてRのコード例を伴い、心臓病に関するサンプルデータセットが章全体にわたって使用されている。

関連論文リスト

Machine Learning Innovations in CPR: A Comprehensive Survey on Enhanced Resuscitation Techniques [52.71395121577439]
心肺蘇生(CPR)における機械学習(ML)と人工知能(AI)の変革的役割について検討する。再現結果を改善する上で、予測モデリング、AI強化デバイス、リアルタイムデータ分析の影響を強調している。本稿は、この新興分野における現在の応用、課題、今後の方向性に関する包括的概要、分類、および批判的分析を提供する。
論文参考訳（メタデータ） (2024-11-03T18:01:50Z)
Beyond Multiple Instance Learning: Full Resolution All-In-Memory End-To-End Pathology Slide Modeling [1.063200750366449]
本稿では,タイルエンコーダとスライドアグリゲータを完全メモリで,エンド・ツー・エンドを高解像度で共同で学習する手法を提案する。計算コストは高いが、詳細な定量的検証は、病理基盤モデルの大規模事前学習と微調整を約束することを示している。
論文参考訳（メタデータ） (2024-03-07T19:28:58Z)
Brain-inspired Computational Intelligence via Predictive Coding [73.42407863671565]
予測符号化(PC)は、機械学習コミュニティにとって潜在的に価値のある、有望な特性を示している。 PCライクなアルゴリズムは、機械学習とAIの複数のサブフィールドに存在し始めている。
論文参考訳（メタデータ） (2023-08-15T16:37:16Z)
Introduction to Machine Learning for Physicians: A Survival Guide for Data Deluge [9.152759278163954]
現代の研究分野は、大規模な、しばしば構造化されていない、不安定なデータセットの収集と分析にますます依存している。このデータルージュを活用できる機械学習や人工知能アプリケーションへの関心が高まっている。この幅広い非技術的概要は、医学的および生物学的応用に特に焦点をあてた、機械学習への穏やかな紹介を提供する。
論文参考訳（メタデータ） (2022-12-23T13:08:59Z)
Advancing Reacting Flow Simulations with Data-Driven Models [50.9598607067535]
マルチ物理問題における機械学習ツールの効果的な利用の鍵は、それらを物理モデルとコンピュータモデルに結合することである。本章では, 燃焼システムにおけるデータ駆動型低次モデリングの適用可能性について概説する。
論文参考訳（メタデータ） (2022-09-05T16:48:34Z)
Machine learning based disease diagnosis: A comprehensive review [0.0]
このレビューでは、機械学習(ML)とディープラーニング(DL)が、多くの病気の早期発見にどのように利用されているかを説明します。 1216の出版物に関する文献学的研究は、最も多作な著者、国、組織、そして最も引用された記事を決定するために行われた。このレビューでは、機械学習ベースの疾患診断(MLBDD)の最新動向とアプローチをまとめている。
論文参考訳（メタデータ） (2021-12-31T16:25:23Z)
Application of Machine Learning in understanding plant virus pathogenesis: Trends and perspectives on emergence, diagnosis, host-virus interplay and management [1.949912057689623]
深層学習アルゴリズムは、植物ウイルス学を含むいくつかの分野の生物学における機械学習の適用をさらに促進する。植物ウイルス学の理解における機械学習の適用の著しい進歩を考えると、このレビューは機械学習に関する序文を強調している。
論文参考訳（メタデータ） (2021-12-03T16:25:26Z)
Ten Quick Tips for Deep Learning in Biology [116.78436313026478]
機械学習は、データのパターンを認識し、予測モデリングに使用するアルゴリズムの開発と応用に関係している。ディープラーニングは、独自の機械学習のサブフィールドになっている。生物学的研究の文脈において、ディープラーニングは高次元の生物学的データから新しい洞察を導き出すためにますます使われてきた。
論文参考訳（メタデータ） (2021-05-29T21:02:44Z)
Nonparametric Estimation of Heterogeneous Treatment Effects: From Theory to Learning Algorithms [91.3755431537592]
プラグイン推定と擬似出力回帰に依存する4つの幅広いメタ学習戦略を解析する。この理論的推論を用いて、アルゴリズム設計の原則を導出し、分析を実践に翻訳する方法について強調する。
論文参考訳（メタデータ） (2021-01-26T17:11:40Z)
A Survey on Large-scale Machine Learning [67.6997613600942]
機械学習はデータに対する深い洞察を与え、マシンが高品質な予測を行うことを可能にする。ほとんどの高度な機械学習アプローチは、大規模なデータを扱う場合の膨大な時間コストに悩まされる。大規模機械学習は、ビッグデータからパターンを、同等のパフォーマンスで効率的に学習することを目的としている。
論文参考訳（メタデータ） (2020-08-10T06:07:52Z)
Machine learning-based clinical prediction modeling -- A practical guide for clinicians [0.0]
機械学習や人工知能に関連する原稿の数は、ここ数年で指数関数的に増えている。第1節では、機械学習の一般的な原理について解説する。さらに,再サンプリング,オーバーフィッティング,モデル一般化性の重要性とモデル評価戦略を概観する。
論文参考訳（メタデータ） (2020-06-23T20:11:37Z)

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。