論文の概要: Inference for High Dimensional Censored Quantile Regression
- arxiv url: http://arxiv.org/abs/2107.10959v1
- Date: Thu, 22 Jul 2021 23:57:06 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-26 22:18:22.841269
- Title: Inference for High Dimensional Censored Quantile Regression
- Title（参考訳）: 高次元検閲分位回帰の推論
- Authors: Zhe Fei, Qi Zheng, Hyokyoung G. Hong, Yi Li
- Abstract要約: 本稿では,グローバルに検閲された量子レグレッションの枠組みの中で,すべての予測子を推論する新しい手法を提案する。
提案手法は,高次元設定における推定の不確かさを適切に定量化できることを示す。
肺がん経路に居住するSNPが患者の生存に及ぼす影響を解析するために本法を適用した。
- 参考スコア（独自算出の注目度）: 8.993036560782137
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the availability of high dimensional genetic biomarkers, it is of
interest to identify heterogeneous effects of these predictors on patients'
survival, along with proper statistical inference. Censored quantile regression
has emerged as a powerful tool for detecting heterogeneous effects of
covariates on survival outcomes. To our knowledge, there is little work
available to draw inference on the effects of high dimensional predictors for
censored quantile regression. This paper proposes a novel procedure to draw
inference on all predictors within the framework of global censored quantile
regression, which investigates covariate-response associations over an interval
of quantile levels, instead of a few discrete values. The proposed estimator
combines a sequence of low dimensional model estimates that are based on
multi-sample splittings and variable selection. We show that, under some
regularity conditions, the estimator is consistent and asymptotically follows a
Gaussian process indexed by the quantile level. Simulation studies indicate
that our procedure can properly quantify the uncertainty of the estimates in
high dimensional settings. We apply our method to analyze the heterogeneous
effects of SNPs residing in lung cancer pathways on patients' survival, using
the Boston Lung Cancer Survival Cohort, a cancer epidemiology study on the
molecular mechanism of lung cancer.
- Abstract（参考訳）: 高次元の遺伝的バイオマーカーが利用可能であることから、これらの予測因子が患者生存に与える影響と適切な統計的推測を同定することに興味がある。
補償量子レグレッションは、共変量の不均一な効果が生存結果に与える影響を検出する強力なツールとして登場した。
我々の知る限り、検閲された量子レグレッションに対する高次元予測器の効果を推測する作業はほとんどない。
本稿では,数個の離散値ではなく,分位レベルの間隔における共変量-応答関係を調べる大域的検閲分位回帰(global censored quantile regression)の枠組みにおける全ての予測因子の推論手法を提案する。
提案手法は,マルチサンプル分割と変数選択に基づく低次元モデル推定の列を組み合わせたものである。
いくつかの正規性条件の下では、推定子は一貫性があり、漸近的に量子量レベルによってインデックスづけされたガウス過程に従う。
シミュレーション研究は,高次元環境において推定の不確かさを適切に定量化できることを示す。
肺癌の分子機構に関する疫学研究であるboston lung cancer survival cohortを用いて,肺癌経路に存在するsnpが患者の生存に及ぼす影響を解析した。
関連論文リスト
- Semiparametric conformal prediction [79.6147286161434]
リスクに敏感なアプリケーションは、複数の、潜在的に相関したターゲット変数に対して、よく校正された予測セットを必要とする。
スコアをランダムなベクトルとして扱い、それらの連接関係構造を考慮した予測セットを構築することを目的とする。
実世界のレグレッション問題に対して,所望のカバレッジと競争効率について報告する。
論文 参考訳（メタデータ） (2024-11-04T14:29:02Z) - A sparse PAC-Bayesian approach for high-dimensional quantile prediction [0.0]
本稿では,高次元量子化予測のための確率論的機械学習手法を提案する。
擬似ベイズ的フレームワークとスケールした学生tとランゲヴィン・モンテカルロを併用して効率的な計算を行う。
その効果はシミュレーションや実世界のデータを通じて検証され、そこでは確立された頻繁な手法やベイズ的手法と競合する。
論文 参考訳（メタデータ） (2024-09-03T08:01:01Z) - Risk and cross validation in ridge regression with correlated samples [72.59731158970894]
我々は,データポイントが任意の相関関係を持つ場合,リッジ回帰のイン・オブ・サンプルリスクのトレーニング例を提供する。
さらに、テストポイントがトレーニングセットと非自明な相関を持ち、時系列予測で頻繁に発生するような場合まで分析を拡張します。
我々は多種多様な高次元データにまたがって理論を検証する。
論文 参考訳（メタデータ） (2024-08-08T17:27:29Z) - Causal Inference for Genomic Data with Multiple Heterogeneous Outcomes [1.5845117761091052]
複数の導出結果を持つ2つのロバストな推定のための一般的な半パラメトリックフレームワークを提案する。
分析を標準化された平均処理効果と量子処理効果に専門化する。
論文 参考訳（メタデータ） (2024-04-14T02:07:14Z) - Estimating Unknown Population Sizes Using the Hypergeometric Distribution [1.03590082373586]
総人口と構成カテゴリーの規模が不明な場合, 個別分布の推定に挑戦する。
本研究では,連続潜伏変数上での分布条件の混合となるデータ生成過程について考察する。
実験データシミュレーションにより,本手法は数値データをモデル化する他の可能性関数よりも優れていることが示された。
論文 参考訳（メタデータ） (2024-02-22T01:53:56Z) - Kernel Cox partially linear regression: building predictive models for
cancer patients' survival [4.230753712933184]
我々はカーネルCox比例ハザード半パラメトリックモデルを構築し、モデルに適合する新しい正規化ニンジン化カーネルマシン(RegGKM)を提案する。
我々はカーネルマシン法を用いて生存率と予測値の複雑な関係を記述し、無関係なパラメトリックおよび非パラメトリック予測値を自動的に除去する。
この結果は、患者を異なる死亡リスクを持つグループに分類し、より良い臨床結果を得るために治療を促進するのに役立つ。
論文 参考訳（メタデータ） (2023-10-11T04:27:54Z) - Selective Nonparametric Regression via Testing [54.20569354303575]
本研究では,所定の点における条件分散の値に関する仮説を検証し,留置手順を開発する。
既存の手法とは異なり、提案手法は分散自体の値だけでなく、対応する分散予測器の不確実性についても考慮することができる。
論文 参考訳（メタデータ） (2023-09-28T13:04:11Z) - Quantifying predictive uncertainty of aphasia severity in stroke patients with sparse heteroscedastic Bayesian high-dimensional regression [47.1405366895538]
高次元データに対する疎線型回帰法は、通常、残留物が一定の分散を持つと仮定するが、これは実際には破ることができる。
本稿では,ヘテロセダスティック分割経験的ベイズ期待条件最大化アルゴリズムを用いて,高次元ヘテロセダスティック線形回帰モデルを推定する。
論文 参考訳（メタデータ） (2023-09-15T22:06:29Z) - Bayesian Uncertainty Estimation of Learned Variational MRI
Reconstruction [63.202627467245584]
我々は,モデル不連続な不確かさを定量化するベイズ変分フレームワークを提案する。
提案手法はMRIのアンダーサンプを用いた再建術の術後成績を示す。
論文 参考訳（メタデータ） (2021-02-12T18:08:14Z) - Increasing the efficiency of randomized trial estimates via linear
adjustment for a prognostic score [59.75318183140857]
ランダム化実験による因果効果の推定は臨床研究の中心である。
歴史的借用法のほとんどは、厳格なタイプiエラー率制御を犠牲にして分散の削減を達成する。
論文 参考訳（メタデータ） (2020-12-17T21:10:10Z)
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。