Fugu-MT 論文翻訳(概要): Area-norm COBRA on Conditional Survival Prediction

論文の概要: Area-norm COBRA on Conditional Survival Prediction

arxiv url: http://arxiv.org/abs/2309.00417v1
Date: Fri, 1 Sep 2023 12:20:30 GMT
ステータス: 処理完了
システム内更新日: 2023-09-04 13:29:40.326296
Title: Area-norm COBRA on Conditional Survival Prediction
Title（参考訳）: 条件付き生存予測におけるエリアノームCOBRA
Authors: Rahul Goswami and Arabin Kr. Dey
Abstract要約: 本稿では,条件付き生存関数を計算するために,複合回帰戦略の異なるバリエーションについて検討する。我々は、回帰に基づく弱い学習者を用いて、提案したアンサンブル手法を作成する。提案したモデルでは、ランダム生存林よりも優れた性能を発揮する構造を示している。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The paper explores a different variation of combined regression strategy to calculate the conditional survival function. We use regression based weak learners to create the proposed ensemble technique. The proposed combined regression strategy uses proximity measure as area between two survival curves. The proposed model shows a construction which ensures that it performs better than the Random Survival Forest. The paper discusses a novel technique to select the most important variable in the combined regression setup. We perform a simulation study to show that our proposition for finding relevance of the variables works quite well. We also use three real-life datasets to illustrate the model.
Abstract（参考訳）: 本稿は,条件付生存関数の計算のための回帰戦略の異なるバリエーションについて検討する。我々は回帰に基づく弱い学習者を用いて,提案手法を開発した。提案手法は2つの生存曲線間の面積として近接測度を用いる。提案したモデルでは、ランダム生存林よりも優れた性能を発揮する構造を示している。本稿では,組合せ回帰設定において最も重要な変数を選択する新しい手法について論じる。我々は,変数の関連性を見出すための提案が有効であることを示すためのシミュレーション研究を行った。また、モデルを説明するために3つの実生活データセットを使用します。

関連論文リスト

Variational Deep Survival Machines: Survival Regression with Censored Outcomes [11.82370259688716]
サバイバル・レグレッション(Survival regression)とは、ある出来事がいつ起こるか、通常は死か失敗かを予測することを目的としている。本稿では,生存データをクラスタリングし,原始分布を組み合わせることで生存時間を予測できる新しい手法を提案する。
論文参考訳（メタデータ） (2024-04-24T02:16:00Z)
Experiment Planning with Function Approximation [49.50254688629728]
本研究では,文脈的帯域幅問題における関数近似を用いた実験計画の問題点について検討する。本稿では,関数近似に適合する2つの実験計画戦略を提案する。そこで, 均一サンプリング器は, 動作数が少ない設定において, 競合最適性を達成できることを示す。
論文参考訳（メタデータ） (2024-01-10T14:40:23Z)
Engression: Extrapolation through the Lens of Distributional Regression [2.519266955671697]
我々は、エングレースと呼ばれるニューラルネットワークに基づく分布回帰手法を提案する。エングレスモデル(engression model)は、適合した条件分布からサンプリングできるという意味で生成され、高次元結果にも適している。一方、最小二乗法や量子回帰法のような従来の回帰手法は、同じ仮定の下では不十分である。
論文参考訳（メタデータ） (2023-07-03T08:19:00Z)
Vector-Valued Least-Squares Regression under Output Regularity Assumptions [73.99064151691597]
最小二乗回帰問題を無限次元出力で解くために,還元ランク法を提案し,解析する。提案手法の学習バウンダリを導出し、フルランク手法と比較して統計的性能の設定を改善する研究を行う。
論文参考訳（メタデータ） (2022-11-16T15:07:00Z)
Integrated Brier Score based Survival Cobra -- A regression based approach [0.0]
コンピレーション・レグレッション・ストラテジー(COBRA)アンサンブルを,コンフィグレーション・サバイバル関数の予測にインテグレート・ブライアスコアを用いて新たに2つのレグレッション・ベース・インテグレーションする。我々の提案は、全ての弱い学習者が、直接実装とは別に最終的な生存関数を予測するために行った、統合的ブライアスコアスコアに基づく全ての予測の重み付け版を含む。
論文参考訳（メタデータ） (2022-10-21T14:48:10Z)
Concordance based Survival Cobra with regression type weak learners [0.0]
弱学習者は異なる無作為生存木として捉え, 最適パラメータを求めるために, 右官能設定における一致度を最大化することを提案する。提案した定式化では、Max-normとFrobeniusのノルムという2つの異なるノルムを用いて、テストデータセット内のクエリポイントからの予測の近接セットを見つける。
論文参考訳（メタデータ） (2022-09-24T04:10:17Z)
X-model: Improving Data Efficiency in Deep Learning with A Minimax Model [78.55482897452417]
ディープラーニングにおける分類と回帰設定の両面でのデータ効率の向上を目標とする。両世界の力を生かすために,我々は新しいX-モデルを提案する。 X-モデルは、特徴抽出器とタスク固有のヘッドの間でミニマックスゲームを行う。
論文参考訳（メタデータ） (2021-10-09T13:56:48Z)
Human Pose Regression with Residual Log-likelihood Estimation [48.30425850653223]
本稿では,Residual Log-likelihood Estimation (RLE) を用いた新たな回帰パラダイムを提案する。 RLEは、トレーニングプロセスを容易にするために、未参照の基盤となる分布ではなく、分布の変化を学習する。従来の回帰パラダイムと比較して、RLEによる回帰はテスト時間オーバーヘッドを伴わずに、MSCOCOに12.4mAPの改善をもたらす。
論文参考訳（メタデータ） (2021-07-23T15:06:31Z)
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)
HiPaR: Hierarchical Pattern-aided Regression [71.22664057305572]
HiPaRは、$p Rightarrow y = f(X)$という形式のハイブリッドルールをマイニングします。ここでは、$p$はデータ領域の特性付けであり、$f(X)$は興味ある$y$の変数上の線形回帰モデルです。 HiPaRはパターンマイニング技術を利用して、ターゲット変数が局所線形モデルによって正確に説明できるデータの領域を特定する。実験が示すように、hipalは既存のパターンベースの回帰法よりも少ないルールをマイニングしながら、最先端の予測性能を実現しています。
論文参考訳（メタデータ） (2021-02-24T15:53:17Z)
Two-step penalised logistic regression for multi-omic data with an application to cardiometabolic syndrome [62.997667081978825]
我々は,各層で変数選択を行うマルチオミックロジスティック回帰に対する2段階のアプローチを実装した。私たちのアプローチは、可能な限り多くの関連する予測子を選択することを目標とすべきです。提案手法により,分子レベルでの心筋メタボリックシンドロームの特徴を同定することができる。
論文参考訳（メタデータ） (2020-08-01T10:36:27Z)

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。