×

成对数据的集合分类。 (英语) 兹比尔1328.62578

摘要:在许多医学应用中,数据来自配对器官或同一器官或受试者的重复测量。与基于观察的评估相比,基于主题的评估可提高误分类率的评估效率。分析了一种基于主题的分类方法,用于生成打包和捆绑方法的自举样本。使用模拟模型来比较不同策略的性能,以创建用于生长个别树木的引导样本。将该方法与线性判别分析、logistic回归、随机森林和梯度增强进行了比较。最后,将仿真结果应用于青光眼患者和健康对照者的双眼青光眼诊断。结果表明,基于主题的重采样降低了误分类率。

MSC公司:

62页第10页 统计学在生物学和医学中的应用;元分析
62H30型 分类和区分;聚类分析(统计方面)
62-07 数据分析(统计)(MSC2010)
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 阿德勒,W。;Hothorn,T。;Lausen,B.,医学图像自动分类的模拟分析,医学信息方法,43,150-155(2004)
[2] 阿德勒,W。;Lausen,B.,Bootstrap估计真、假阳性率和roc曲线,计算统计与数据分析,53718-729(2009)·Zbl 1452.62790号
[3] 阿德勒,W。;彼得斯,A。;Lausen,B.,共焦扫描激光眼底镜数据分类器的比较,医学信息方法,47,38-46(2008)
[4] Breiman,L.,打包预测,机器学习,24,2,123-140(1996)·Zbl 0858.68080号
[5] Breiman,L.,《随机森林,机器学习》,45,1,5-32(2001)·Zbl 1007.68152号
[6] Breiman,L.,Cutler,A.,Liaw,A.,Wiener,M.,2008年。R包随机森林:用于分类和回归的Breiman和cutlers随机森林。http://cran.r-project.org/; Breiman,L.,Cutler,A.,Liaw,A.,Wiener,M.,2008年。R包随机森林:用于分类和回归的Breiman和cutlers随机森林。http://cran.r-project.org/
[7] Brenning,A.,《滑坡灾害的空间预测模型:审查、比较和评估》,《自然灾害和地球系统科学》,5853-862(2005)
[8] Brenning,A.,Kaden,K.,Itzerott,S.,2006年。比较基于多时间段陆地卫星tm/etm数据的作物识别分类器,见:《EARSeL特别兴趣小组土地利用和土地覆盖遥感第二次研讨会论文集》,EARSeL-LULC,德国波恩,2006年9月28日至30日,第64-71页。;Brenning,A.,Kaden,K.,Itzerott,S.,2006年。比较基于多时间段陆地卫星tm/etm数据的作物识别分类器,见:《EARSeL特别兴趣小组土地利用和土地覆盖遥感第二次研讨会论文集》,EARSeL-LULC,德国波恩,2006年9月28日至30日,第64-71页。
[9] A.布伦宁。;Lausen,B.,《估计成对器官分类中的错误率》,《医学统计》,274515-4531(2008)
[10] Bühlmann,P。;Hothorn,T.,Boosting算法:正则化、预测和模型拟合(带讨论),统计科学,22777-522(2007)·Zbl 1246.62163号
[11] Bühlmann,P。;Yu,B.,分析装袋,《统计年鉴》,30927-961(2002)·Zbl 1029.62037号
[12] De Bock,K.W。;库塞门特,K。;Van den Poel,D.,基于广义加性模型的集成分类,计算统计与数据分析,54,1535-1546(2010)·Zbl 1284.62368号
[13] Friedman,J.,《贪婪函数近似:梯度提升机器》,《统计年鉴》,291189-1232(2001)·Zbl 1043.62034号
[14] Hothorn,T.、Bühlmann,P.、Kneib,T.和Schmid,M.,2009年。R包mboost:基于模型的增压-R包版本1.1-2。http://cran.r-project.org/; Hothorn,T.、Bühlmann,P.、Kneib,T.和Schmid,M.,2009年。R包mboost:基于模型的增压-R包版本1.1-2。http://cran.r-project.org/
[15] Hothorn,T。;Lausen,B.,《激光扫描图像的打包树分类器:基于数据和模拟的策略》,《医学中的人工智能》,27,65-79(2003)
[16] Hothorn,T。;劳森,B.,《双重分类:通过自举聚合组合分类器》,模式识别,36,6,1303-1309(2003)·Zbl 1028.68144号
[17] Hothorn,T。;Lausen,B.,通过装袋树捆绑分类器,计算统计与数据分析,49,1068-1078(2005)·Zbl 1429.62246号
[18] 伊朗,北卡罗来纳州。;穆罕默德扎德,M。;Taylor,C.C.,空间统计中方差估计的块和半参数bootstrap方法的比较,计算统计与数据分析,55578-587(2011)·Zbl 1247.62123号
[19] Karpievitch,Y.V。;希尔,E.G。;Leclerc,A.P。;Dabney,A.R。;Almeida,J.S.,《随机森林分类器的回顾性比较,用于通过RF++分析聚类相关数据》,《公共科学图书馆·综合》,4,9,e7087(2009)
[20] J.Katz。;Zeger,S。;Liang,K.,解释同伴眼睛二元结果相似性的适当统计方法,调查性眼科与视觉科学,352461-2465(1994)
[21] Mardin,C.Y。;Hothorn,T。;彼得斯,A。;Jünemann,A.G。;阮,N.X。;Lausen,B.,通过装袋分类树基于标准HRT参数的新型青光眼分类方法,《青光眼杂志》,12,340-346(2003)
[22] Martus,P.,《配对器官诊断测量评估的统计方法》,《医学统计学》,第19期,第525-540页(2000年)
[23] Martus,P.,成对器官疾病损害的测量模型,《生物医学杂志》,43927-940(2001)·Zbl 0989.62065号
[24] Martus,P.,GEE医疗诊断测试边际回归模型方法,医学统计学,231377-1398(2004)
[25] Peters,A.,Hothorn,T.,2008年。R包ipred:通过对分类、回归和生存问题进行间接分类和打包,以及基于重采样的预测误差估计值,改进了预测模型。http://cran.r-project.org/; Peters,A.,Hothorn,T.,2008年。R包ipred:通过对分类、回归和生存问题进行间接分类和打包,以及基于重采样的预测误差估计值,改进了预测模型。http://cran.r-project.org/
[26] Potapov,S.、Adler,W.、Lausen,B.,2009年。R包daim-R包版本1.0.0。http://cran.r-project.org/; Potapov,S.、Adler,W.、Lausen,B.,2009年。R包daim-R包版本1.0.0。http://cran.r-project.org/
[27] 雷·W。;O'Doy,D.,眼科研究中多眼数据的统计分析,眼科学与视觉科学研究,261186-1188(1985)
[28] R开发核心团队,2009年。R: 用于统计计算的语言和环境。网址:http://www.R-project.org; R开发核心团队,2009年。R: 用于统计计算的语言和环境。网址:http://www.R-project.org
[29] Rokach,L.,《分类任务中表征集成方法的分类学:综述和注释书目》,计算统计与数据分析,534046-4072(2009)·Zbl 1453.62185号
[30] Rosner,B.,《眼科学中的多元方法及其在其他配对数据情况下的应用》,生物统计学,401025-1035(1984)
[31] 斯温代尔,N。;Stjepanovic,G。;Chin,A。;Mikelberg,F.,正常和青光眼视神经头地形图图像的自动分析,眼科学和视觉科学研究,411730-1742(2000)
[32] 张,C.-X。;张建生。;Zhang,G.-Y.,《使用增强来修剪双袋集合》,计算统计与数据分析,531218-1231(2009)·Zbl 1452.62145号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。