論文の概要: Liu-type Shrinkage Estimators for Mixture of Poisson Regressions with
Experts: A Heart Disease Study
- arxiv url: http://arxiv.org/abs/2309.05838v1
- Date: Mon, 11 Sep 2023 21:44:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-13 14:59:32.173753
- Title: Liu-type Shrinkage Estimators for Mixture of Poisson Regressions with
Experts: A Heart Disease Study
- Title（参考訳）: ポアソン回帰と専門家の混合のためのLiu型収縮推定器 : 心臓疾患研究
- Authors: Elsayed Ghanem, Moein Yoosefi and Armin Hatefi
- Abstract要約: 我々は,ポアソン回帰モデルと専門家との混合による不条件設計行列に対処する2つの縮小手法を開発した。
収縮法は、混合モデルの多重線型性における係数についてより信頼性の高い推定値を提供する。
収縮法は最終的に心臓病の病期を解析するために心臓研究に適用される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Count data play a critical role in medical research, such as heart disease.
The Poisson regression model is a common technique for evaluating the impact of
a set of covariates on the count responses. The mixture of Poisson regression
models with experts is a practical tool to exploit the covariates, not only to
handle the heterogeneity in the Poisson regressions but also to learn the
mixing structure of the population. Multicollinearity is one of the most common
challenges with regression models, leading to ill-conditioned design matrices
of Poisson regression components and expert classes. The maximum likelihood
method produces unreliable and misleading estimates for the effects of the
covariates in multicollinearity. In this research, we develop Ridge and
Liu-type methods as two shrinkage approaches to cope with the ill-conditioned
design matrices of the mixture of Poisson regression models with experts.
Through various numerical studies, we demonstrate that the shrinkage methods
offer more reliable estimates for the coefficients of the mixture model in
multicollinearity while maintaining the classification performance of the ML
method. The shrinkage methods are finally applied to a heart study to analyze
the heart disease rate stages.
- Abstract（参考訳）: カウントデータは心臓病などの医学研究において重要な役割を担っている。
ポアソン回帰モデル(Poisson regression model)は、一組の共変数がカウント応答に与える影響を評価する一般的な手法である。
ポアソン回帰モデルと専門家との混合は、共変量を利用するための実用的なツールであり、ポアソン回帰の多様性を扱うだけでなく、集団の混合構造を学ぶためにも用いられる。
多重線型性は回帰モデルにおける最も一般的な課題の1つであり、ポアソン回帰成分とエキスパートクラスの不条件設計行列をもたらす。
最大極大法は、多重線型性における共変量の影響について、信頼できない、誤解を招く推定を導出する。
本研究では,ポアソン回帰モデルと専門家との混合による不条件設計行列に対処する2つの縮小手法としてリッジ法とリュー法を開発した。
様々な数値的な研究を通して, 収縮法はML法の分類性能を維持しつつ, 混合モデルの係数をより信頼性の高い推定値を提供することを示した。
収縮法は最終的に心臓病の病期を解析するために心臓研究に適用される。
関連論文リスト
- 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) - Structured Radial Basis Function Network: Modelling Diversity for
Multiple Hypotheses Prediction [51.82628081279621]
多重モード回帰は非定常過程の予測や分布の複雑な混合において重要である。
構造的放射基底関数ネットワークは回帰問題に対する複数の仮説予測器のアンサンブルとして提示される。
この構造モデルにより, このテッセルレーションを効率よく補間し, 複数の仮説対象分布を近似することが可能であることが証明された。
論文 参考訳（メタデータ） (2023-09-02T01:27:53Z) - Strong identifiability and parameter learning in regression with
heterogeneous response [5.503319042839695]
本研究では, 有限混合回帰モデルにおける強い識別可能性, 条件密度およびパラメータ推定の収束率, およびベイズ後部収縮挙動について検討する。
本稿では,本論文で報告されているいくつかの一般的な回帰混合モデルに見られるパラメータ学習行動について,シミュレーション研究とデータ図解を提供する。
論文 参考訳（メタデータ） (2022-12-08T05:58:13Z) - 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) - Modeling High-Dimensional Data with Unknown Cut Points: A Fusion
Penalized Logistic Threshold Regression [2.520538806201793]
従来のロジスティック回帰モデルでは、リンク関数は線形で連続であると見なされることが多い。
我々は、全ての連続した特徴が順序レベルに離散化され、さらにバイナリ応答が決定されるしきい値モデルを考える。
糖尿病のような慢性疾患の早期発見と予知の問題において,ラッソモデルが好適であることが判明した。
論文 参考訳（メタデータ） (2022-02-17T04:16:40Z) - Deep Cox Mixtures for Survival Regression [11.64579638651557]
本稿では,Cox回帰の学習混合物をモデルとした生存分析回帰モデルに対する新しいアプローチについて述べる。
我々は、複数の実世界のデータセットで実験を行い、民族や性別にまたがる患者の死亡率を調べる。
論文 参考訳（メタデータ） (2021-01-16T22:41:22Z) - Bayesian prognostic covariate adjustment [59.75318183140857]
疾患の結果に関する歴史的データは、様々な方法で臨床試験の分析に組み込むことができる。
我々は, 予測モデルからの予後スコアを用いて, 治療効果推定の効率を向上する既存の文献に基づいて構築する。
論文 参考訳（メタデータ） (2020-12-24T05:19:03Z) - Improving the Reconstruction of Disentangled Representation Learners via Multi-Stage Modeling [54.94763543386523]
現在の自己エンコーダに基づく非絡み合い表現学習法は、(集合体)後部をペナルティ化し、潜伏因子の統計的独立を促進することで、非絡み合いを実現する。
本稿では,不整合因子をペナルティに基づく不整合表現学習法を用いて学習する,新しい多段階モデリング手法を提案する。
次に、低品質な再構成を、欠落した関連潜伏変数をモデル化するために訓練された別の深層生成モデルで改善する。
論文 参考訳（メタデータ） (2020-10-25T18:51:15Z) - 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) - A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。
また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
論文 参考訳（メタデータ） (2020-06-08T19:24:54Z)
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。