論文の概要: Structured Learning in Time-dependent Cox Models
- arxiv url: http://arxiv.org/abs/2306.12528v1
- Date: Wed, 21 Jun 2023 19:22:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-23 16:23:15.487312
- Title: Structured Learning in Time-dependent Cox Models
- Title（参考訳）: 時間依存コックスモデルにおける構造化学習
- Authors: Guanbo Wang, Yi Lian, Archer Y. Yang, Robert W. Platt, Rui Wang,
Sylvie Perreault, Marc Dorais, and Mireille E. Schnitzer
- Abstract要約: 時間依存型Coxモデルにおける変数選択のためのフレキシブルなフレームワークを提案する。
我々の手法は任意のグループ構造に適応できる。
誤報率の低い精度で正確な推定を行う。
- 参考スコア（独自算出の注目度）: 3.4138060717124703
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Cox models with time-dependent coefficients and covariates are widely used in
survival analysis. In high-dimensional settings, sparse regularization
techniques are employed for variable selection, but existing methods for
time-dependent Cox models lack flexibility in enforcing specific sparsity
patterns (i.e., covariate structures). We propose a flexible framework for
variable selection in time-dependent Cox models, accommodating complex
selection rules. Our method can adapt to arbitrary grouping structures,
including interaction selection, temporal, spatial, tree, and directed acyclic
graph structures. It achieves accurate estimation with low false alarm rates.
We develop the sox package, implementing a network flow algorithm for
efficiently solving models with complex covariate structures. Sox offers a
user-friendly interface for specifying grouping structures and delivers fast
computation. Through examples, including a case study on identifying predictors
of time to all-cause death in atrial fibrillation patients, we demonstrate the
practical application of our method with specific selection rules.
- Abstract（参考訳）: 時間依存係数と共変量を持つcoxモデルは生存分析に広く使われている。
高次元設定では、変数選択にスパース正規化技術が使用されるが、時間依存のCoxモデルに対する既存の手法では、特定の空間パターン(すなわち共変量構造)を強制する柔軟性がない。
本稿では,時間依存型 Cox モデルにおける変数選択のための柔軟なフレームワークを提案する。
本手法は, 相互作用選択, 時間的, 空間的, 木的, 有向非巡回グラフ構造を含む任意のグループ構造に適応することができる。
誤報率の低い精度で正確な推定を行う。
複雑な共変量構造を持つモデルを効率的に解くためのネットワークフローアルゴリズムを実装したソックスパッケージを開発した。
Soxはグループ構造を指定するためのユーザフレンドリなインターフェースを提供し、高速な計算を提供する。
心房細動患者における全死因死亡の予測因子の同定に関するケーススタディを含む事例を通して,本手法の具体的選択規則による実用的応用を実証する。
関連論文リスト
- Detecting and Identifying Selection Structure in Sequential Data [53.24493902162797]
我々は,音楽のシーケンスなどの実践的な状況において,潜在目的に基づくデータポイントの選択的包摂が一般的である,と論じる。
選択構造はパラメトリックな仮定や介入実験なしで識別可能であることを示す。
また、他の種類の依存関係と同様に、選択構造を検知し、識別するための証明可能な正当性アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-06-29T20:56:34Z) - ComboStoc: Combinatorial Stochasticity for Diffusion Generative Models [65.82630283336051]
拡散生成モデルの既存のトレーニングスキームにより,次元と属性の組み合わせによって区切られた空間が十分に標本化されていないことを示す。
構造を完全に活用するプロセスを構築し,ComboStocという名前でこの問題に対処する。
論文 参考訳（メタデータ） (2024-05-22T15:23:10Z) - Variable selection for nonlinear Cox regression model via deep learning [0.0]
最近開発された深層学習に基づく変数選択モデルLassoNetを生存データに拡張する。
提案手法を適用し,びまん性大細胞型B細胞リンパ腫の実際のデータセットを解析した。
論文 参考訳（メタデータ） (2022-11-17T01:17:54Z) - Factor-Augmented Regularized Model for Hazard Regression [1.8021287677546953]
本研究では,ハザード回帰のための因子拡張正規化モデル(FarmHazard)を提案する。
モデル選択の整合性と推定の整合性を軽度条件下で証明する。
また,超高次元問題における強い相関に対処する因子拡張可変スクリーニング手法を開発した。
論文 参考訳（メタデータ） (2022-10-03T16:35:33Z) - FastCPH: Efficient Survival Analysis for Neural Networks [57.03275837523063]
我々は,線形時間で動作する新しい手法であるFastCPHを提案し,連結イベントに対する標準的なBreslow法とEfron法の両方をサポートする。
また,FastCPHとLassoNetの併用による特徴空間の解釈性も実証した。
論文 参考訳（メタデータ） (2022-08-21T03:35:29Z) - HyperImpute: Generalized Iterative Imputation with Automatic Model
Selection [77.86861638371926]
カラムワイズモデルを適応的かつ自動的に構成するための一般化反復計算フレームワークを提案する。
既製の学習者,シミュレータ,インターフェースを備えた具体的な実装を提供する。
論文 参考訳（メタデータ） (2022-06-15T19:10:35Z) - MECATS: Mixture-of-Experts for Quantile Forecasts of Aggregated Time
Series [11.826510794042548]
我々はtexttMECATS という異種の専門家フレームワークを混合して導入する。
集約階層を通じて関連付けられた時系列の集合の値を同時に予測する。
異なる種類の予測モデルを個別の専門家として使用することで、各モデルの形式を対応する時系列の性質に合わせて調整することができる。
論文 参考訳（メタデータ） (2021-12-22T05:05:30Z) - Mlr3spatiotempcv: Spatiotemporal resampling methods for machine learning
in R [63.26453219947887]
このパッケージは、proglangRパッケージを直接mlr3機械学習フレームワークに統合する。
1つの利点は、包括的な機械学習ツールキットで一貫したレコメンデーションを使用することである。
論文 参考訳（メタデータ） (2021-10-25T06:48:29Z) - Finding the Homology of Decision Boundaries with Active Learning [26.31885403636642]
本稿では,意思決定境界のホモロジーを回復するための能動的学習アルゴリズムを提案する。
我々のアルゴリズムは、ラベルを必要とするサンプルを逐次かつ適応的に選択する。
いくつかのデータセットの実験では、ホモロジーを回復する際のサンプルの複雑さの改善が示されている。
論文 参考訳（メタデータ） (2020-11-19T04:22:06Z) - A Functional Model for Structure Learning and Parameter Estimation in
Continuous Time Bayesian Network: An Application in Identifying Patterns of
Multiple Chronic Conditions [2.440763941001707]
本稿では,ポアソン回帰に代表される条件依存型連続時間ベイズネットワークを提案する。
獣医科の電子健康記録から抽出した複数の慢性疾患患者のデータセットを用いた。
提案手法は、複数の慢性状態の間の複雑な機能的関係を、疎直的に表現する。
論文 参考訳（メタデータ） (2020-07-31T05:02:34Z) - Predicting Temporal Sets with Deep Neural Networks [50.53727580527024]
本稿では,時間集合予測のためのディープニューラルネットワークに基づく統合解を提案する。
ユニークな視点は、セットレベルの共起グラフを構築することで要素関係を学ぶことである。
我々は,要素や集合の時間依存性を適応的に学習するアテンションベースのモジュールを設計する。
論文 参考訳（メタデータ） (2020-06-20T03:29:02Z)
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。