跳至主要內容區

各校計畫成果

以影響力分數(Influential Score)提升深度學習模型之預測能力

玉山學者發布單位:國立交通大學點閱次數:354
核定年度:107/計畫成果年度:107 /學術領域:理學/學者名稱:羅小華

活動簡介

在大數據的時代下,如何做出更準確的預測是大家關注的焦點,而變數的選擇更是影響預測重要的變因。2019年6月玉山學者羅小華教授至交通大學分享該研究團隊所提出的influential score (I-Score)方法,I-Score可從眾多變數中挑選出最預測具有影響力之重要變數,不僅考慮變數之間的交互作用,並可估算出正確預測率的下限值且不會過度擬合。經過羅小華教授的分享,我們希望可以將此方法應用至醫學影像中,經過中間無數的視訊會議討論,我們於2019年10月至美國紐約哥倫比亞大學,與羅小華教授團隊共同合作將I-Score應用至深度學習(CNN分類模型)的特徵挑選中,最後觀察到I-Score可以有效挑出少量具有交互作用和預測能力的特徵值,同時保有相當的預測能力。針對這項新研究,我們期望向國際發表。

以影響力分數(Influential Score)提升深度學習模型之預測能力

 羅小華教授至交通大學統計學研究所舉辦多場專題學術演講以影響力分數(Influential Score)提升深度學習模型之預測能力

交通大學統計學研究所盧鴻興教授研究團隊至哥倫比亞大學與羅小華教授進行學術研究和合作交換之相互討論

 

相關附件

玉山學者執行績效報告