Data Mining Methods for Optimizing Feature Extraction and Model Selection

Conference proceedings article

ผู้เขียน/บรรณาธิการ

กลุ่มสาขาการวิจัยเชิงกลยุทธ์

รายละเอียดสำหรับงานพิมพ์

รายชื่อผู้แต่ง: Rouzbahman, Masha; Jovicic, Alexandra; Wang, Lu; Zucherman, Leon; Abul-Basher, Zahid; Charoenkitkarn, Nipon; Chignell, Mark;

ผู้เผยแพร่: Hindawi

ปีที่เผยแพร่ (ค.ศ.): 2020

หน้าแรก: 1

หน้าสุดท้าย: 8

จำนวนหน้า: 8

ISBN: 9781450377591

นอก: 0146-9428

eISSN: 1745-4557

URL: https://www.scopus.com/inward/record.uri?eid=2-s2.0-85089183156&doi=10.1145%2f3406601.3406602&partnerID=40&md5=6b5e7f34e44160c672470bb79138b39e

ภาษา: English-Great Britain (EN-GB)

ดูบนเว็บไซต์ของสำนักพิมพ์

บทคัดย่อ

How can we carry out on-the-fly data mining on massive amounts of data, to make relevant predictions, based on data for similar observations to the one currently under consideration? In this paper we show the benefit of using large numbers of computationally efficient analyses to tune the feature extraction, and prediction, steps in data mining, using cross-validated prediction accuracy as the evaluative criterion. Different feature extraction strategies are also compared in terms of their predictive effectiveness in this context. While the research reported here focused on clinical prediction of healthcare outcomes, the results should have broader implications for large scale data mining in general. © 2020 ACM.

คำสำคัญ

Information Engineering