arXiv stat.ML· Jan Kapar, Kathrin G\"unther, Lori Ann Vallis, Klaus Berger, Nadine Binder, Hermann Brenner, Stefanie Castell, Beate Fischer, Volker Harth, Bernd Holleczek, Timm Intemann, Till Ittermann, Andr\'e Karch, Thomas Keil, Lilian Krist, Berit Lange, Michael F. Leitzmann, Katharina Nimptsch, Nadia Obi, Iris Pigeot, Tobias Pischon, Tamara Schikowski, B\"orge Schmidt, Carsten Oliver Schmidt, Anja M. Sedlmair, Justine Tanoey, Harm Wienbergen, Andreas Wienke, Claudia Wigmann, Marvin N. Wright·· 12 天前AI 评分36
合成数据能否复现流行病学真实结果？基于对抗随机森林的复现研究
Can synthetic data reproduce real-world findings in epidemiology? A replication study using adversarial random forests
AI 导读
研究提出利用对抗随机森林（ARF）合成流行病学表格数据，并在涉及血压、心肌梗死与糖尿病等 6 项流行病学研究中成功复现了原始统计分析。实验表明，ARF 生成的数据在描述性和推断性分析中均与真实结果高度一致，即使样本量相对维度偏低也表现稳定。对比常用表格合成工具，ARF 在数据效用、隐私保护、泛化能力及计算效率上均展现出显著优势。
来源：arXiv stat.ML · arxiv.org