論文の概要: Regression Trees for Cumulative Incidence Functions

• arxiv url: http://arxiv.org/abs/2011.06706v1
• Date: Fri, 13 Nov 2020 00:37:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-26 00:28:59.518759
• Title: Regression Trees for Cumulative Incidence Functions
• Title（参考訳）: 累積帰納関数に対する回帰木
• Authors: Youngjoo Cho, Annette M. Molinaro, Chen Hu, and Robert L. Strawderman
• Abstract要約: 累積入射曲線を推定するための回帰木構築のための新しい手法を開発した。 提案手法はR統計ソフトウェアを用いて容易に実装できる。
• 参考スコア（独自算出の注目度）: 3.0798859462300756
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The use of cumulative incidence functions for characterizing the risk of one type of event in the presence of others has become increasingly popular over the past decade. The problems of modeling, estimation and inference have been treated using parametric, nonparametric and semi-parametric methods. Efforts to develop suitable extensions of machine learning methods, such as regression trees and related ensemble methods, have begun only recently. In this paper, we develop a novel approach to building regression trees for estimating cumulative incidence curves in a competing risks setting. The proposed methods employ augmented estimators of the Brier score risk as the primary basis for building and pruning trees. The proposed methods are easily implemented using the R statistical software package. Simulation studies demonstrate the utility of our approach in the competing risks setting. Data from the Radiation Therapy Oncology Group (trial 9410) is used to illustrate these new methods.
• Abstract（参考訳）: 他者の存在下での1種類の事象のリスクを特徴付ける累積帰納関数の使用は、過去10年間でますます人気が高まっている。 モデリング、推定、推論の問題はパラメトリック、非パラメトリック、半パラメトリック法を用いて扱われている。 回帰木や関連するアンサンブル法などの機械学習手法の適切な拡張を開発する試みは、最近始まったばかりである。 本稿では、競合するリスク設定において累積入射曲線を推定するための回帰木構築のための新しいアプローチを開発する。 提案手法では, ブライアスコアのリスクを増大させた推定器を用いて木を造成し, 刈り取るための基礎となる。 提案手法はr統計ソフトウェアパッケージを用いて容易に実装できる。 シミュレーション研究は、競合リスク設定における我々のアプローチの有用性を実証する。 放射線治療オンコロジーグループ(トライアル9410)のデータは、これらの新しい方法を説明するために使用される。

関連論文リスト

• FPBoost: Fully Parametric Gradient Boosting for Survival Analysis [4.09225917049674]
  本稿では,個別のパラメトリックハザード・コントリビューションの重み付け和に基づくサバイバルモデル設計のための新しいパラダイムを提案する。 提案手法はFPBoostと呼ばれ, 勾配上昇による生存確率を直接最適化する最初のアルゴリズムである。
  論文  参考訳（メタデータ） (2024-09-20T09:57:17Z)
• Regression Trees Know Calculus [1.8130068086063336]
  一般的な木学習ライブラリが公開する量を用いて効率的に計算できる勾配の簡単な推定値を求める。 これにより、ニューラルネットやガウシアンプロセスといった、微分可能なアルゴリズムのコンテキストで開発されたツールを、ツリーベースのモデルにデプロイすることができる。
  論文  参考訳（メタデータ） (2024-05-22T17:14:03Z)
• Provable Risk-Sensitive Distributional Reinforcement Learning with General Function Approximation [54.61816424792866]
  本稿では,リスク感性分布強化学習(RS-DisRL)と静的リプシッツリスク対策(LRM),一般関数近似について紹介する。 モデルに基づく関数近似のためのモデルベース戦略であるtextttRS-DisRL-M と、一般値関数近似のためのモデルフリーアプローチである textttRS-DisRL-V の2つの革新的なメタアルゴリズムを設計する。
  論文  参考訳（メタデータ） (2024-02-28T08:43:18Z)
• Vector-Valued Least-Squares Regression under Output Regularity Assumptions [73.99064151691597]
  最小二乗回帰問題を無限次元出力で解くために,還元ランク法を提案し,解析する。 提案手法の学習バウンダリを導出し、フルランク手法と比較して統計的性能の設定を改善する研究を行う。
  論文  参考訳（メタデータ） (2022-11-16T15:07:00Z)
• Robust online joint state/input/parameter estimation of linear systems [0.0]
  本稿では,線形システムの状態,入力,パラメータをオンライン形式で共同で推定する手法を提案する。 この方法は、非ガウス雑音や外れ値で劣化した測定のために特別に設計されている。
  論文  参考訳（メタデータ） (2022-04-12T09:41:28Z)
• Statistical Inference for High-Dimensional Linear Regression with Blockwise Missing Data [13.48481978963297]
  ブロックワイドなデータは、異なるソースまたはモダリティが相補的な情報を含むマルチソースまたはマルチモダリティデータを統合するときに発生する。 本稿では,未偏差推定方程式に基づいて回帰係数ベクトルを計算効率良く推定する手法を提案する。 アルツハイマー病神経画像イニシアチブの数値的研究と応用分析により、提案手法は既存の方法よりも教師なしのサンプルからより優れた性能と利益を得られることを示した。
  論文  参考訳（メタデータ） (2021-06-07T05:12:42Z)
• MINIMALIST: Mutual INformatIon Maximization for Amortized Likelihood Inference from Sampled Trajectories [61.3299263929289]
  シミュレーションベースの推論は、その可能性が実際に計算できない場合でもモデルのパラメータを学習することができる。 あるクラスのメソッドは、異なるパラメータでシミュレートされたデータを使用して、確率とエビデンス比の償却推定器を推定する。 モデルパラメータとシミュレーションデータ間の相互情報の観点から,本手法が定式化可能であることを示す。
  論文  参考訳（メタデータ） (2021-06-03T12:59:16Z)
• Variable selection with missing data in both covariates and outcomes: Imputation and machine learning [1.0333430439241666]
  欠落したデータ問題は、健康研究で普遍的です。 機械学習はパラメトリックな仮定を弱める。 XGBoostとBARTは、さまざまな設定で最高のパフォーマンスを発揮します。
  論文  参考訳（メタデータ） (2021-04-06T20:18:29Z)
• SAMBA: Safe Model-Based & Active Reinforcement Learning [59.01424351231993]
  SAMBAは、確率論的モデリング、情報理論、統計学といった側面を組み合わせた安全な強化学習のためのフレームワークである。 我々は,低次元および高次元の状態表現を含む安全な力学系ベンチマークを用いて,アルゴリズムの評価を行った。 アクティブなメトリクスと安全性の制約を詳細に分析することで,フレームワークの有効性を直感的に評価する。
  論文  参考訳（メタデータ） (2020-06-12T10:40:46Z)
• Machine learning for causal inference: on the use of cross-fit estimators [77.34726150561087]
  より優れた統計特性を得るために、二重ローバストなクロスフィット推定器が提案されている。 平均因果効果(ACE)に対する複数の推定器の性能評価のためのシミュレーション研究を行った。 機械学習で使用する場合、二重確率のクロスフィット推定器は、バイアス、分散、信頼区間のカバレッジで他のすべての推定器よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2020-04-21T23:09:55Z)
• Adaptive Correlated Monte Carlo for Contextual Categorical Sequence Generation [77.7420231319632]
  我々は,モンテカルロ (MC) ロールアウトの集合を分散制御のために評価する政策勾配推定器に,カテゴリー列の文脈的生成を適用する。 また,二分木ソフトマックスモデルに相関したMCロールアウトを用いることで,大語彙シナリオにおける高生成コストを低減できることを示す。
  論文  参考訳（メタデータ） (2019-12-31T03:01:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。