ELM Feature Selection and SOM Data Visualization for Nursing Survey Datasets

Renjie Hu*, Amany Farag, Kaj-Mikael Björk, Amaury Lendasse

*Huvudförfattare för detta arbete

Forskningsoutput: Kapitel i bok/rapport/konferenshandlingKonferensbidragVetenskapligPeer review

Sammanfattning

This paper presents a novel methodology to analyze nursing surveys. It is based on ELM and SOM. The goal is to identify which variables lead to the likelihood to report the medication errors. ELM are accurate by extremely fast prediction models. SOM are performing nonlinear dimensionality reduction to get an accurate visualization of the data. Combining both techniques reduces the curse of dimensionality and improves furthermore the interpretability of the visualization. The methodology is tested on a nursing survey datasets.
OriginalspråkEngelska
Titel på värdpublikationProceedings of ELM2019
RedaktörerJiuwen Cao, Chi Man Vong, Yoan Miche, Amaury Lendasse
Antal sidor10
UtgivningsortCham
FörlagSpringer
Utgivningsdatum2021
Sidor99-108
ISBN (tryckt)978-3-030-58988-2
ISBN (elektroniskt)978-3-030-58989-9
DOI
StatusPublicerad - 2021
MoE-publikationstypA4 Artikel i en konferenspublikation

Publikationsserier

NamnProceedings in Adaptation, Learning and Optimization
Volym14
ISSN (tryckt)2363-6084
ISSN (elektroniskt)2363-6092

Nyckelord

  • 113 Data- och informationsvetenskap

Fingeravtryck

Fördjupa i forskningsämnen för ”ELM Feature Selection and SOM Data Visualization for Nursing Survey Datasets”. Tillsammans bildar de ett unikt fingeravtryck.

Citera det här