KDDOct, 2016

纵向 LASSO：联合学习特征和时间相关性进行结果预测

PDF
TL;DR提出一种利用基于 LASSO 的线性模型自动且同时选择相关特征和时间点的方法以及考虑数据非 i.i.d 性质的计算结果，并展示该方法比现有技术具有更好的表现。
longitudinal analysisfeature selectiontemporal correlationslinear modelsoptimization
发现论文，激发创造
  • 预测套索

    本文提出了一种缩减程序，可以在广义线性模型中进行同时变量选择和估计，以明确的预测动机为基础，结果与完整模型相似的预测性能下选择出一个简明模型。

    Sep, 2010

  • 使用截断 Lasso 惩罚发现图形格兰杰因果关系

    本文提出了一种名为 Truncating Lasso 的新罚函数方法，用于估计生物系统中基因之间的因果关系，可以在短时间内提供关于激活转录因子和其对受调控基因影响之间的时间滞后信息，并且在大 p，小 n 情况下可以 consistently 地发现因果关系。

    Jul, 2010

  • Lasso 方法下的高维图表与变量筛选

    该文介绍了如何使用 lasso 算法来进行高维稀疏图的协方差无关估计，实现了变量选择，并控制了图中误连接不同的连通分量的概率，最终实现了稀疏图的一致性估计。

    Aug, 2006

  • 前向后向选择和早期淘汰

    本文提出了一种启发式方法，通过临时舍弃条件独立于特征集所选择的变量，在保持预测准确性的同时显著提高了前向 - 后向选择算法的运行效率，并在能够被贝叶斯网络或最大祖先图恰当表示的分布中，能够正确识别马尔科夫毯子。

    May, 2017

  • 带潜变量的套索：高效估计、协变量缩放和计算统计差距

    稀疏线性回归中的相关性以及智能缩放解决方案

    Feb, 2024

  • TransformerLSR: 关注纵向数据、生存和复发事件以及并发潜在结构的联合模型

    本文介绍了 TransformerLSR，一种基于 Transformer 的深度建模和推断框架，用于同时联合建模长期测量、重复事件和生存数据的三个组成部分，通过整合深度时间点过程到联合建模框架中，并将重复事件和终端事件看作两个依赖于过去的长期测量和重复事件时间的竞争过程。此外，TransformerLSR 引入了一种新颖的轨迹表示和模型架构，可以潜在地结合已知的潜在结构的先验知识。通过仿真研究和对肾移植后患者的真实医疗数据进行分析，我们证明了 TransformerLSR 的有效性和必要性。

    Apr, 2024

  • 稀疏图线性动态系统

    该研究论文提出了一种新的联合图模型框架来填补现有的状态空间模型中静态图模型和基于因果关系的图模型之间的缺失。作者通过引入一个高效的块交替主要化极小化算法实现了该框架，并通过对合成和真实气象变化数据的实验验证了所提出模型和推断算法的有效性。

    Jul, 2023

  • 从时间推移到同时迭代的因果发现：在潜在混淆因素存在的情况下

    提出了一种基于约束的算法，用于在存在潜在混杂因素的情况下从观测时间序列数据中学习因果结构，主要通过学习长期的时间关系优化因果图的结构，从而减少了所需统计测试的数量并在人造数据和真实数据上通过实验证明了其高准确性和更接近真实情况的因果图。

    Jun, 2023

  • 特征智能核套索法进行高维特征选择

    本文介绍了一种基于 Least Absolute Shrinkage 和 Selection Operator（Lasso）的特征选择方法，通过使用核函数来捕捉非线性的输入输出关系，并采用基于核的独立度量来找到与输出值具有强统计依赖关系的非冗余特征。实验结果表明，该方法在具有数千个特征的场景下具有很好的效果。

    Feb, 2012

  • Lasso 方法的预测表现

    本文通过对多元线性回归的研究，提出了一种简单的相关度量方法，将其结合到 Lasso 模型的参数调整中，从而使得在高度相关的协变量情况下，Lasso 模型的预测性能接近最优，但在中度相关的情况下，无论调整参数如何，预测性能都会比较平庸。此外，本文研究结果也为带有总变差惩罚项的最小二乘估计提供了近似最优的速率。

    Feb, 2014