Miscellaneous22 [2023-2] 김동한 - Variable Selection via the Sparse Net Variable Selection via the Sparse Net https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART002484008 Variable Selection via the Sparse Net Variable selection is an important problem when the model includes many noisy variables. For years, the sparse penalized approaches have been proposed for the problem. Examples are the least absolute selectio.. 2024. 2. 4. [2023-2] 염제원 - Real-time prediction of COVID-19 related mortality using electronic health records https://www.nature.com/articles/s41467-020-20816-7 Abstract COVID-19과 관련한 사망률 예측 모델인 COVID-19 early warning system (CovEWS)을 개발함. 총 2,863년의 기간, 66,430명의 환자, 69개의 의료기간에서 수집된 데이터를 사용함. 5005명의 사망 1시간 및 192시간 전의 환자로 구성된 외부 cohort에 대해 특이도 78.8%, 69.4% 및 민감도 95% 초과의 예측을 해냄. Introduction COVID-19 예측 모델은 포화 상태인 병원이 한정된 자원을 더 효과적으로 배분할 수 있게 할 수 있음. 관측 데이터가 많아질 수록 새로운 risk factor나 기존 변수들 간의 연관성이 발견될 수 있음... 2024. 1. 29. [2023-2] 김동한 - NeuralProphet: Explainable Forecasting at Scale 논문 소개 : https://paperswithcode.com/paper/neuralprophet-explainable-forecasting-at 논문 링크 : https://arxiv.org/pdf/2111.15397v1.pdf 이전 prophet논문 리뷰: https://outta.tistory.com/19 NeuralProphet: Explainable Forecasting at Scale 0. Abstract - facebook prophet의 후속 모델 - 설명 가능하고 확장 가능 / 사용자 친화적 예측 프레임워크 - 시계열 데이터에서의 적용 - 기존의 prophet은 근접 미래를 예측하기 위해 필수적인 지역적 맥락이 없다면, 적용 및 확장이 어려움. - nerual prophet 모델은 pyt.. 2024. 1. 23. [2023-2] 김동한 - Forecasting at scale https://peerj.com/preprints/3190.pdf Forecasting at Scale Facebook의 prophet 논문 리뷰 1. Abstract ● 예측(forecasting)은 데이터 사이언스에서 중요한 업무중 하나 ● 중요성에도 불구하고, 다양한 분야의 시계열 분야가 존재하고, 시계열 분석 전문가가 희귀함 ● 목적 : 해석이 가능한 parameter(모수), domain지식이 있는 사람은 직관적으로 조절가능하게 하는 모형(시계열 분석에 대한 전문성이 떨어지더라도) 2. Introduction 문제점 ● 완전한 자동예측 기술은 flexibility가 떨어져서, tuning하기 어렵고, 적절한 가정을 포함하기 힘듦 ● 도메인 지식이 깊은 전문가가 시계열에 대한 이해가 떨어지는 경우.. 2024. 1. 2. 이전 1 2 3 4 5 6 다음
