Regresi SVM dengan data longitudinal

Saya memiliki sekitar 500 variabel per pasien, setiap variabel memiliki satu nilai kontinu dan diukur pada tiga titik waktu yang berbeda (setelah 2 bulan dan setelah 1 tahun). Dengan regresi saya ingin memprediksi hasil pengobatan untuk pasien baru.

Apakah mungkin untuk menggunakan regresi SVM dengan data longitudinal seperti itu?

Ya, ini mungkin. Kecuali bahwa dalam data longitudinal menggunakan Fisher Kernel bekerja lebih baik daripada RBF atau Linear. Pengaturan serupa seperti milik Anda diberikan dalam makalah NIPS ini: http://research.microsoft.com/pubs/147234/NIPS08.pdf

Ini adalah pertanyaan yang menarik dan saya melakukan riset cepat.

OP bertanya tentang regresi untuk data kontinu. Tetapi makalah yang dikutip oleh @Vikram hanya berfungsi untuk klasifikasi .

Lu, Z., Kaye, J., & Leen, TK (2009). Kernel Fisher Hirarkis untuk Data Longitudinal. Dalam Kemajuan dalam Sistem Pemrosesan Informasi Saraf Tiruan .

Makalah terkait untuk regresi yang saya temukan adalah sebagai berikut . Rincian teknis dapat ditemukan di Bagian 2.3.

Seok, KH, Shim, J., Cho, D., Noh, GJ, & Hwang, C. (2011). Semiparametrik efek campuran kuadrat mendukung mesin vektor untuk menganalisis data farmakokinetik dan farmakodinamik. Neurocomputing , 74 (17), 3412-3419.

Tidak ada perangkat lunak publik ditemukan tetapi penulis mengklaim kemudahan penggunaan di akhir makalah.

Keuntungan utama dari usulan LS-SVM ... adalah bahwa estimator regresi dapat dengan mudah dihitung oleh perangkat lunak yang memecahkan sistem persamaan linear sederhana. Ini membuatnya lebih mudah untuk menerapkan pendekatan yang diusulkan untuk analisis data pengukuran berulang dalam praktek.

Untuk menguraikan lebih banyak, ada dua pendekatan untuk analisis regresi menggunakan SVM (mesin vektor dukungan):

• mendukung regresi vektor (SVR) [Drucker, Harris; Burges, Christopher JC; Kaufman, Linda; Smola, Alexander J .; dan Vapnik, Vladimir N. (1997); "Mendukung Mesin Regresi Vektor", dalam Kemajuan dalam Sistem Pemrosesan Informasi Saraf 9, NIPS 1996, 155–161]
• kuadrat dukungan mesin vektor (LS-SVM) [Suykens, Johan AK; Vandewalle, Joos PL; Kotak terkecil mendukung pengklasifikasi mesin vektor, Neural Processing Letters , vol. 9, tidak. 3, Juni 1999, hlm. 293–300.]

Seol et al. (2011) mengadopsi pendekatan LS-VSM .