Fugu-MT 論文翻訳(概要): Copula Entropy based Variable Selection for Survival Analysis

論文の概要: Copula Entropy based Variable Selection for Survival Analysis

arxiv url: http://arxiv.org/abs/2209.01561v1
Date: Sun, 4 Sep 2022 08:14:07 GMT
ステータス: 処理完了
システム内更新日: 2022-09-07 15:18:29.010940
Title: Copula Entropy based Variable Selection for Survival Analysis
Title（参考訳）: コピュラエントロピーに基づく生存分析のための可変選択
Authors: Jian Ma
Abstract要約: 本稿では,コピュラエントロピー(CE)に基づく変数選択法を生存分析に適用することを提案する。その考え方は、変数とCEとの時間と時間との相関を測り、CE値に従って変数を選択することである。
参考スコア（独自算出の注目度）: 2.3980064191633232
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Variable selection is an important problem in statistics and machine learning. Copula Entropy (CE) is a mathematical concept for measuring statistical independence and has been applied to variable selection recently. In this paper we propose to apply the CE-based method for variable selection to survival analysis. The idea is to measure the correlation between variables and time-to-event with CE and then select variables according to their CE value. Experiments on simulated data and two real cancer data were conducted to compare the proposed method with two related methods: random survival forest and Lasso-Cox. Experimental results showed that the proposed method can select the 'right' variables out that are more interpretable and lead to better prediction performance.
Abstract（参考訳）: 変数選択は統計学と機械学習において重要な問題である。コピュラエントロピー (CE) は統計的独立性を測定する数学的概念であり、近年変数選択に適用されている。本稿では,CEに基づく変数選択法を生存分析に適用する。その考え方は、変数とCEとの時間と時間との相関を測り、CE値に従って変数を選択することである。シミュレーションデータと2つの実がんデータを用いて,提案手法と無作為生存林とラッソ・コックスの2つの手法を比較した。実験の結果,提案手法はより解釈可能な「右」変数を選択でき,予測性能が向上することがわかった。

関連論文リスト

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)
Scalable variable selection for two-view learning tasks with projection operators [0.0]
本稿では,2視点設定やベクトル値による教師付き学習問題に対して,新しい変数選択法を提案する。当社のフレームワークは,データサンプルの数が数百万にものぼる,非常に大規模な選択タスクを処理できる。
論文参考訳（メタデータ） (2023-07-04T08:22:05Z)
Inferring independent sets of Gaussian variables after thresholding correlations [1.3535770763481905]
データから選択されたガウス変数の集合が残りの変数とは独立であるかどうかをテストする。確率変数群間の正準相関から条件付けイベントの新たな特徴付けを開発する。シミュレーション研究や遺伝子共発現ネットワークの解析において、我々のアプローチは選択の効果を無視するナイーブのアプローチよりもはるかに高いパワーを持つことを示した。
論文参考訳（メタデータ） (2022-11-02T23:47:32Z)
Variational Bayes for high-dimensional proportional hazards models with applications to gene expression variable selection [3.8761064607384195]
本研究では,高次元生存データに対する予測と変動選択のための変分ベイズ比例ハザードモデルを提案する。本手法は,平均場変動近似に基づいて,MCMCの高計算コストを克服する。提案手法は,生存率を検閲した2つのトランスクリプトームデータセット上で,変数選択にどのように使用できるかを示す。
論文参考訳（メタデータ） (2021-12-19T22:10:41Z)
Variance Minimization in the Wasserstein Space for Invariant Causal Prediction [72.13445677280792]
そこで本研究では,ICPで行ったアプローチを,予測器数で線形にスケールする一連の非パラメトリックテストとして再検討する。これらのテストはそれぞれ、最適輸送理論の道具から導かれる新しい損失関数の最小化に依存している。我々は,本手法が同定可能な直接原因の集合を回復できるという軽微な仮定の下で証明し,他のベンチマーク因果探索アルゴリズムと競合することを示す。
論文参考訳（メタデータ） (2021-10-13T22:30:47Z)
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)
A Statistical Analysis of Summarization Evaluation Metrics using Resampling Methods [60.04142561088524]
信頼区間は比較的広く,信頼性の高い自動測定値の信頼性に高い不確実性を示す。多くのメトリクスはROUGEよりも統計的改善を示していないが、QAEvalとBERTScoreという2つの最近の研究は、いくつかの評価設定で行われている。
論文参考訳（メタデータ） (2021-03-31T18:28:14Z)
A One-step Approach to Covariate Shift Adaptation [82.01909503235385]
多くの機械学習シナリオにおけるデフォルトの前提は、トレーニングとテストサンプルは同じ確率分布から引き出されることである。予測モデルと関連する重みを1つの最適化で共同で学習する新しいワンステップアプローチを提案する。
論文参考訳（メタデータ） (2020-07-08T11:35:47Z)
Stable Prediction via Leveraging Seed Variable [73.9770220107874]
従来の機械学習手法は、非因果変数によって誘導されるトレーニングデータにおいて、微妙に刺激的な相関を利用して予測する。本研究では, 条件付き独立性テストに基づくアルゴリズムを提案し, 種子変数を先行変数とする因果変数を分離し, 安定な予測に採用する。我々のアルゴリズムは、安定した予測のための最先端の手法より優れている。
論文参考訳（メタデータ） (2020-06-09T06:56:31Z)
Interpretable random forest models through forward variable selection [0.0]
損失関数としてCRPS(Continuous Rank probability score)を用いた前方変数選択法を開発した。本手法のオランダにおける日次最大気温予測の統計的後処理への応用を実証する。
論文参考訳（メタデータ） (2020-05-11T13:56:49Z)
Decision-Making with Auto-Encoding Variational Bayes [71.44735417472043]
変分分布とは異なる後部近似を用いて意思決定を行うことが示唆された。これらの理論的な結果から,最適モデルに関するいくつかの近似的提案を学習することを提案する。おもちゃの例に加えて,単細胞RNAシークエンシングのケーススタディも紹介する。
論文参考訳（メタデータ） (2020-02-17T19:23:36Z)

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。