Байесовская классификация серий многомерных данных

Рассматривается анализ результатов наблюдения группы объектов в течение времени, за которое эти объекты могут поменять какие-либо свои значимые характеристики. Цель состоит в том, чтобы описать изменения и выявить факторы, их определяющие. Соответствующие методы известны как лонгитюдные (продольные, протяженные во времени). В статье предлагается иной подход, когда серия многомерных характеристик некоторого объекта составляет единый вектор наблюденных значений. За счет увеличения размерности данных удается получить единую картину описания объектов и формализовать построение модели данных. Для демонстрации сути подхода и иллюстрации появляющихся возможностей анализа данных рассматривается задача ранней диагностики рака с использованием биомаркера PSA (prostate-specific antigen — простат-специфический антиген). Выявлено, что многомерный подход при анализе серии анализов приводит к повышению точности диагностики.