論文の概要: Hybrid Censored Quantile Regression Forest to Assess the Heterogeneous
Effects
- arxiv url: http://arxiv.org/abs/2212.05672v1
- Date: Mon, 12 Dec 2022 03:01:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-13 17:51:09.515536
- Title: Hybrid Censored Quantile Regression Forest to Assess the Heterogeneous
Effects
- Title（参考訳）: 不均質効果を評価するハイブリッド型量子回帰林
- Authors: Huichen Zhu, Yifei Sun, Ying Wei
- Abstract要約: 我々は,ハイブリット・センサス・量子回帰フォレスト(HCQRF)と呼ばれるハイブリッド・フォレスト・アプローチを開発し,高次元変数で異なる異種効果を評価する。
本稿では,処理効果関数に対する変数の影響を測定するために,変数の重要度分解を提案する。
- 参考スコア（独自算出の注目度）: 4.194179127753325
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In many applications, heterogeneous treatment effects on a censored response
variable are of primary interest, and it is natural to evaluate the effects at
different quantiles (e.g., median). The large number of potential effect
modifiers, the unknown structure of the treatment effects, and the presence of
right censoring pose significant challenges. In this paper, we develop a hybrid
forest approach called Hybrid Censored Quantile Regression Forest (HCQRF) to
assess the heterogeneous effects varying with high-dimensional variables. The
hybrid estimation approach takes advantage of the random forests and the
censored quantile regression. We propose a doubly-weighted estimation procedure
that consists of a redistribution-of-mass weight to handle censoring and an
adaptive nearest neighbor weight derived from the forest to handle
high-dimensional effect functions. We propose a variable importance
decomposition to measure the impact of a variable on the treatment effect
function. Extensive simulation studies demonstrate the efficacy and stability
of HCQRF. The result of the simulation study also convinces us of the
effectiveness of the variable importance decomposition. We apply HCQRF to a
clinical trial of colorectal cancer. We achieve insightful estimations of the
treatment effect and meaningful variable importance results. The result of the
variable importance also confirms the necessity of the decomposition.
- Abstract（参考訳）: 多くの応用において、検閲された応答変数に対する不均一な処理効果は第一の関心事であり、異なる量的効果(例えば中央値)を評価することは自然である。
多数の潜在的な効果修飾剤、治療効果の未知の構造、および右検閲の存在は重大な課題をもたらす。
本稿では,高次元変数による不均質効果を評価するために,ハイブリッド・セザード・クォンタイル回帰林(hcqrf)と呼ばれるハイブリッド・フォレスト・アプローチを開発した。
ハイブリッド推定手法は、ランダム林と検閲された分位量回帰の利点を生かしている。
高次元効果関数を扱うために,森林由来の検閲を処理し,適応的に最寄りの重みを推定する2重重重み付き推定手法を提案する。
本稿では,治療効果関数に対する変数の影響を測定するために,変数重要度分解を提案する。
広範なシミュレーション研究によりhcqrfの有効性と安定性が示された。
また,シミュレーションの結果から,変数の重要度分解の有効性が示唆された。
大腸癌の臨床治験にHCQRFを適用した。
治療効果と有意義な変数重要度を洞察的に推定する。
変数の重要性の結果として、分解の必要性も確認される。
関連論文リスト
- Local Learning for Covariate Selection in Nonparametric Causal Effect Estimation with Latent Variables [13.12743473333296]
非実験データから因果効果を推定することは、科学の多くの分野における根本的な問題である。
非パラメトリック因果効果推定における共変量選択のための新しい局所学習手法を提案する。
我々は、合成データと実世界のデータの両方に関する広範な実験を通じて、アルゴリズムを検証する。
論文 参考訳（メタデータ） (2024-11-25T12:08:54Z) - A Bayesian Classification Trees Approach to Treatment Effect Variation with Noncompliance [0.5356944479760104]
非準拠のランダム化試験における様々な治療効果を推定することは本質的に困難である。
既存の柔軟な機械学習手法は、弱い楽器の問題に非常に敏感である。
非準拠シナリオにおける二値応答変数に対するベイジアン因果フォレストモデルを提案する。
論文 参考訳（メタデータ） (2024-08-14T18:33:55Z) - The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease
detection [51.697248252191265]
この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。
我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。
このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
論文 参考訳（メタデータ） (2023-09-13T10:40:41Z) - Variable importance for causal forests: breaking down the heterogeneity
of treatment effects [0.0]
我々は、因果樹林の新しい重要変数アルゴリズムを開発した。
共起変数を使わずに森林再訓練の扱い方を示す。
シミュレーション,半合成,実データによる実験は,我々の重要度尺度の優れた性能を示す。
論文 参考訳（メタデータ） (2023-08-07T07:43:42Z) - A Causal Framework for Decomposing Spurious Variations [68.12191782657437]
我々はマルコフモデルとセミマルコフモデルの急激な変分を分解するツールを開発する。
突発効果の非パラメトリック分解を可能にする最初の結果を証明する。
説明可能なAIや公平なAIから、疫学や医学における疑問まで、いくつかの応用がある。
論文 参考訳（メタデータ） (2023-06-08T09:40:28Z) - Treatment Effect Risk: Bounds and Inference [58.442274475425144]
平均的な治療効果は社会福祉の変化を測定するため、たとえ肯定的であっても、人口の約10%に悪影響を及ぼすリスクがある。
本稿では,ICT分布のリスク条件値(CVaR)として定式化されたこの重要なリスク尺度をどう評価するかを検討する。
いくつかの境界は、複素CATE関数を単一の計量に要約したものと解釈することもでき、有界であることとは無関係に興味を持つ。
論文 参考訳（メタデータ） (2022-01-15T17:21:26Z) - Inference for High Dimensional Censored Quantile Regression [8.993036560782137]
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。
論文 参考訳（メタデータ） (2021-07-22T23:57:06Z) - Localisation determines the optimal noise rate for quantum transport [68.8204255655161]
1D鎖の局在と最適脱落速度について検討した。
単純なパワー法則は、サイズに依存しない応答とサイズに依存しない応答の間の相互作用をキャプチャする。
中間温度と高温では関係が保たれるが、低温では崩壊する。
論文 参考訳（メタデータ） (2021-06-23T17:52:16Z) - Efficient Causal Inference from Combined Observational and
Interventional Data through Causal Reductions [68.6505592770171]
因果効果を推定する際の主な課題の1つである。
そこで本研究では,任意の数の高次元潜入共創者を置き換える新たな因果還元法を提案する。
パラメータ化縮小モデルを観測データと介入データから共同で推定する学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-03-08T14:29:07Z) - Sparse Bayesian Causal Forests for Heterogeneous Treatment Effects
Estimation [0.0]
本稿では,ベイジアン因果樹林のスパース性誘導型を考案する。
観察データを用いて不均一な治療効果を推定する。
論文 参考訳（メタデータ） (2021-02-12T15:24:50Z) - Censored Quantile Regression Forest [81.9098291337097]
我々は、検閲に適応し、データが検閲を示さないときに量子スコアをもたらす新しい推定方程式を開発する。
提案手法は, パラメトリックなモデリング仮定を使わずに, 時間単位の定量を推定することができる。
論文 参考訳（メタデータ） (2020-01-08T23:20:23Z)
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。