Efficient discovery of risk patterns in medical data
作 者 详细资料
相关链接
DOI URL
附 件Efficient discovery of risk patterns in medical data
zhangjunpeng 的文献笔记 订阅 |
论述：上篇文章主要采用的相对风险模型来进行挖掘，为了减少模型的数量，在已经选择的风险模型中继续的选择具有代表的风险模型。可以说这种方法是在先验的数据基础上建立的统计模型算法，基本的原理是极大后验概率准则！实际上模型的数据挖掘早就提出来过（见网站http://fimi.cs.helsinki.fi/），只不过以风险模式的形式首先提出是在文章（Relative Risk and Odds Ratio: A Data Mining PerspectiveHaiquan Li, Jinyan Li, & Limsoon ，WongMengling Feng &YapPeng Tan）中。 缺陷：1）必须要有一定的数据源，如果数据源不准确所得到的结果完全背离实际的应用；再者有可能出现虚报和漏报的情况（解决的方法可以采用贝叶斯代价函数来表示，以及减少各种信息偏倚）。 2）必须要预先设置supp（P）和相对风险阈值，此值的设置关乎得到的模型的可信程度。 |
浙公网安备 33010202000686号 ( 浙ICP备09035230号-1 )
