研究人员开发了一种新的原型分析(AA)框架,该框架能够有效地处理离散数据,这是对传统适用于连续数据的方法的重大改进。这种新方法支持伯努利、泊松和多项式模型,并使用具有顺序最小优化(SMO)的优化方案以提高可扩展性。该框架还包括一个交叉验证的预测似然标准,用于选择最佳原型数量,提供了一种更具原则性的模型选择方法。在RNA测序、微生物组组成和突变数据上的应用表明,它能够捕捉可解释的结构并提供稳定、有竞争力的拟合。 AI
影响 增强了离散数据集的可解释性和特征提取能力,可能提高了下游AI模型的性能。
排序理由 该集群包含两篇arXiv论文,详细介绍了原型分析(一种统计方法)的进展。
- Adele Cutler
- Anna Emilie Jennow Wedenborg
- archetypal analysis
- arXiv
- Bernoulli
- Hugging Face
- Leo Breiman
- Microbiome Composition and Biomarker Discovery in Refractory Pediatric Epilepsy
- Poisson
- RNA sequencing
- Sebastian Mair
- Somatic mutation databases as tools for molecular epidemiology and molecular pathology of cancer: proposed guidelines for improving data collection, distribution, and integration
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →