Fugu-MT 論文翻訳(概要): Optimal Survival Trees

論文の概要: Optimal Survival Trees

arxiv url: http://arxiv.org/abs/2012.04284v1
Date: Tue, 8 Dec 2020 09:00:57 GMT
ステータス: 処理完了
システム内更新日: 2021-05-17 08:18:23.283188
Title: Optimal Survival Trees
Title（参考訳）: 最適な生存木
Authors: Dimitris Bertsimas, Jack Dunn, Emma Gibson, Agni Orfanoudaki
Abstract要約: 混合整数最適化(MIO)と局所探索技術を利用して,グローバルに最適化された生存木モデルを生成する,新しい生存木アルゴリズムを提案する。本研究では,既存のサバイバルツリー法,特に大規模データセットの精度の向上を実証する。
参考スコア（独自算出の注目度）: 2.7910505923792637
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Tree-based models are increasingly popular due to their ability to identify complex relationships that are beyond the scope of parametric models. Survival tree methods adapt these models to allow for the analysis of censored outcomes, which often appear in medical data. We present a new Optimal Survival Trees algorithm that leverages mixed-integer optimization (MIO) and local search techniques to generate globally optimized survival tree models. We demonstrate that the OST algorithm improves on the accuracy of existing survival tree methods, particularly in large datasets.
Abstract（参考訳）: 木に基づくモデルはパラメトリックモデルの範囲を超えている複雑な関係を識別できるため、ますます人気が高まっている。生存木法はこれらのモデルに適応し、しばしば医療データに現れる検閲された結果の分析を可能にする。混合整数最適化(MIO)と局所探索技術を利用して,グローバルに最適化された生存木モデルを生成する,新しい生存木アルゴリズムを提案する。我々はostアルゴリズムが既存のサバイバルツリー法,特に大規模データセットの精度を向上させることを実証する。

関連論文リスト

Learning a Decision Tree Algorithm with Transformers [80.49817544396379]
本稿では,従来のアルゴリズムから出力されたフィルタを用いてトランスフォーマーモデルを用いて,分類のための強力な決定木を生成するメタトレーについて紹介する。次にMetaTreeをトレーニングして、強力な一般化パフォーマンスを実現するツリーを生成します。
論文参考訳（メタデータ） (2024-02-06T07:40:53Z)
Optimal Sparse Survival Trees [23.23106906682907]
木に基づく手法は, 高い解釈性と複雑な関係を捉える能力から, 生存分析に広く採用されている。本稿では,動的プログラミングとバウンダリを併用したモデルを提案する。
論文参考訳（メタデータ） (2024-01-27T07:26:10Z)
Optimal Survival Trees: A Dynamic Programming Approach [8.815461200424776]
生存分析は、過去のデータに基づいて、死亡時刻、またはその他の特異な未再発事象を研究・予測する。我々は動的プログラミングを用いて、最適性を保証する最初の生存木法を提供する。
論文参考訳（メタデータ） (2024-01-09T11:01:11Z)
Hierarchical clustering with dot products recovers hidden tree structure [53.68551192799585]
本稿では,階層構造の回復に着目した凝集クラスタリングアルゴリズムの新しい視点を提案する。クラスタを最大平均点積でマージし、例えば最小距離やクラスタ内分散でマージしないような、標準的なアルゴリズムの単純な変種を推奨する。このアルゴリズムにより得られた木は、汎用確率的グラフィカルモデルの下で、データ中の生成的階層構造をボナフェイド推定することを示した。
論文参考訳（メタデータ） (2023-05-24T11:05:12Z)
Optimal Sparse Regression Trees [24.03491277969824]
本研究は,確率的最適スパース回帰木の構築に対する動的プログラミングとバウンドのアプローチを提案する。ラベル集合上の1次元におけるk平均クラスタリングアルゴリズムの最適解に基づいて、新しい下界を利用する。
論文参考訳（メタデータ） (2022-11-28T00:43:21Z)
SETAR-Tree: A Novel and Accurate Tree Algorithm for Global Time Series Forecasting [7.206754802573034]
本稿では,TARモデルと回帰木との密接な関係について検討する。本研究では,葉のグローバルプール回帰(PR)モデルをトレーニングする,予測固有木アルゴリズムを提案する。本評価では, 提案した樹木モデルと森林モデルを用いて, 最先端の樹木モデルよりも精度の高い木モデルを提案する。
論文参考訳（メタデータ） (2022-11-16T04:30:42Z)
Growing Deep Forests Efficiently with Soft Routing and Learned Connectivity [79.83903179393164]
この論文は、いくつかの重要な側面で深い森林のアイデアをさらに拡張します。我々は、ノードがハードバイナリ決定ではなく、確率的ルーティング決定、すなわちソフトルーティングを行う確率的ツリーを採用する。 MNISTデータセットの実験は、私たちの力のある深部森林が[1]、[3]よりも優れたまたは匹敵するパフォーマンスを達成できることを示しています。
論文参考訳（メタデータ） (2020-12-29T18:05:05Z)
MurTree: Optimal Classification Trees via Dynamic Programming and Search [61.817059565926336]
動的プログラミングと探索に基づいて最適な分類木を学習するための新しいアルゴリズムを提案する。当社のアプローチでは,最先端技術が必要とする時間のごく一部しか使用せず,数万のインスタンスでデータセットを処理することが可能です。
論文参考訳（メタデータ） (2020-07-24T17:06:55Z)
Generalized and Scalable Optimal Sparse Decision Trees [56.35541305670828]
様々な目的に対して最適な決定木を生成する手法を提案する。また,連続変数が存在する場合に最適な結果が得られるスケーラブルなアルゴリズムも導入する。
論文参考訳（メタデータ） (2020-06-15T19:00:11Z)
ENTMOOT: A Framework for Optimization over Ensemble Tree Models [57.98561336670884]
ENTMOOTは、ツリーモデルをより大きな最適化問題に統合するためのフレームワークである。 ENTMOOTは、ツリーモデルの意思決定とブラックボックス最適化への単純な統合を可能にしていることを示す。
論文参考訳（メタデータ） (2020-03-10T14:34:07Z)

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。