《使用CPM构建预测模型》有6条评论

  1. 老师,我想请问一下,您这里的R内输入的节点的文件类型是什么样的,有没有示例文件提供给初学者呀~

    1. 节点文件是一个被试*边的data.frame或者matrix,每一行表示一个被试,每一列表示一条边(即两个脑区之间的连接)。

  2. 老师您好,我想请教一下,cpm模型中哪个是特征权重变量呢?想找出在预测中权重高的特征该怎么做呢?

    1. 我的理解是,CPM在筛选特征阶段得到的特征就是重要的特征,因为这些特征直接与预测变量是显著相关的。这也是CPM的优点之一,在CPM论文里有说明。你也可以参考CPM文章里引用的文献。

  3. 从直觉出发,CPM将显著的边的和作为自变量的做法简化了很多非线性的关系,为什么SVR乃至于更复杂的Deep learning表现没有更好很多?是因为feature太多但是数据点太少吗?

    1. 我也很奇怪,因为CPM的思路简单粗暴,但是我在自己的数据上测试,CPM和(Linear)SVR表现似乎没有明显差异。而且CPM的文章里也做了比较,也是类似的结论。Deep learning我没啥了解。至于为什么会这样,我目前还没有想法,也许是一个值得研究的问题。

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注