基于交替方向乘子法的广义交互LASSO模型用于肝脏疾病分详解.PDFVIP

基于交替方向乘子法的广义交互LASSO模型用于肝脏疾病分详解.PDF

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于交替方向乘子法的广义交互LASSO模型用于肝脏疾病分详解

• 350 • Journal of Biomedical Engineering, Jun. 2017, Vol. 34, No.3   ·论 著· 基于交替方向乘子法的广义交互 LASSO 模型 用于肝脏疾病分类 1 2 2 李静 ,仝晓云,王金甲 1. 燕山大学 理学院(河北秦皇岛   066004 ) 2. 燕山大学 信息科学与工程学院(河北秦皇岛   066004 ) 【摘要】   肝脏疾病特征及交互特征对于肝脏疾病的分类具有重要意义,本文在交互最小绝对收缩和选择算 子(LASSO )模型的基础上,研究了广义交互 LASSO 模型并与其他可用于肝脏疾病分类的方法比较。首先,本文 建立了广义交互逻辑斯特(logistic )分类模型,在模型参数中添加 LASSO 罚函数,然后将模型参数通过交替方向 乘子法(ADMM )求解,得到模型系数的稀疏解。最后将测试样本代入模型,按照最大概率进行分类结果统计。 通过将本文方法应用在肝脏失调数据集和印度肝病数据集的数据实验结果表明,交互特征的模型系数不为零,这 说明交互特征对分类存在贡献。最终结果表明,本文提出的广义交互 LASSO 方法的正确率要优于交互 LASSO 方 法,也优于传统模式识别方法,可将广义交互 LASSO 方法推广应用到其他疾病的分类问题上。 【关键词】  肝脏疾病分类;特征交互;最小绝对收缩和选择算子;逻辑斯特回归;交替方向乘子 Generalized interaction LASSO based on alternating direction method of multipliers for liver disease classification 1 2 2 LI Jing , TONG Xiaoyun , WANG Jinjia 1. School of Science, Yanshan University, Qinhuangdao, Hebei 066004, P.R.China 2. School of Information Science and Engineer, Yanshan University, Qinhuangdao, Hebei 066004, P.R.China Corresponding author: WANG Jinjia, Email: wjj@ 【Abstract 】 Features and interaction between features of liver disease is of great significance for the classification of liver disease. Based on least absolute shrinkage and selection operator (LASSO) and interaction LASSO, the generalized interaction LASSO model is proposed in this paper and it was used for liver disease classification and compared with other methods. Firstly, the generalized interaction logistic classification model was constructed and the LASSO penalty constraints were added to the interactive model parameters. Then the model parameters were solved by an efficient alternating directions method of multipliers (ADMM) algorithm. The solutions of model parameters were sparse. Finally, the test samples were fed to the model and the classification results were obtained

文档评论(0)

***** + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档