ロジスティック回帰モデル構築のためのビジュアル解析アプローチと健康記録への応用【JST・京大機械翻訳】

Artur Erasmo; Minghim Rosane

プレプリント

J-GLOBAL ID：202202218919670835 整理番号：22P0277589

ロジスティック回帰モデル構築のためのビジュアル解析アプローチと健康記録への応用【JST・京大機械翻訳】

A Visual Analytics Approach to Building Logistic Regression Models and its Application to Health Records

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年01月20日プレプリントサーバーでの情報更新日： 2022年01月20日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

多次元データ解析は,主に現在の広大なデータアベイラビリティとそれからの知識抽出への需要増加により,多くの分野でますます重要になっている。ほとんどのアプリケーションにおいて,最終ユーザの役割は,適切な機械学習モデルの構築と,データに見られるパターンを説明するのに重要である。本論文では,ユーザ誘導プロセス内の高次元データセットにおける回帰モデルの生成,評価および適用のためのオープン統一アプローチを提案した。この手法は,属性のために広い相関パノラマを曝露することに基づいており,それにより,ユーザは,1つ以上のコンテキストのための予測モデルを構築し,評価するための関連属性を選択できる。アプローチUCReg(User-Centered回帰)と名づけた。著者らは,Covid-19と他の合成および実際の健康記録データの分析への著者らのフレームワークの適用を通して,UCRegの有効性と効率を実証した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , 【Automatic Indexing@JST】

人工知能

, , ,

前のページに戻る