論文の概要: Optimal Survival Trees: A Dynamic Programming Approach

• arxiv url: http://arxiv.org/abs/2401.04489v1
• Date: Tue, 9 Jan 2024 11:01:11 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-10 15:44:01.072475
• Title: Optimal Survival Trees: A Dynamic Programming Approach
• Title（参考訳）: 最適な生存木:動的プログラミングアプローチ
• Authors: Tim Huisman, Jacobus G. M. van der Linden, Emir Demirovi\'c
• Abstract要約: 生存分析は、過去のデータに基づいて、死亡時刻、またはその他の特異な未再発事象を研究・予測する。 我々は動的プログラミングを用いて、最適性を保証する最初の生存木法を提供する。
• 参考スコア（独自算出の注目度）: 8.815461200424776
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Survival analysis studies and predicts the time of death, or other singular unrepeated events, based on historical data, while the true time of death for some instances is unknown. Survival trees enable the discovery of complex nonlinear relations in a compact human comprehensible model, by recursively splitting the population and predicting a distinct survival distribution in each leaf node. We use dynamic programming to provide the first survival tree method with optimality guarantees, enabling the assessment of the optimality gap of heuristics. We improve the scalability of our method through a special algorithm for computing trees up to depth two. The experiments show that our method's run time even outperforms some heuristics for realistic cases while obtaining similar out-of-sample performance with the state-of-the-art.
• Abstract（参考訳）: サバイバル分析は、過去のデータに基づいて、死亡時期や、その他の特異な非再発事象を研究し予測するが、死亡の正確な時期は未知である。 生存木は、個体群を再帰的に分割し、各葉ノードで異なる生存分布を予測することによって、コンパクトな人間可理解モデルにおける複雑な非線形関係の発見を可能にする。 我々は動的プログラミングを用いて、最適性を保証する最初の生存木法を提供し、ヒューリスティックスの最適性ギャップを評価する。 木を深さ2まで計算する特別なアルゴリズムにより,本手法のスケーラビリティを向上する。 実験の結果,本手法は実例のヒューリスティックよりも優れており,実例でも同様の性能が得られることがわかった。

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)
• Optimal Sparse Survival Trees [23.23106906682907]
  木に基づく手法は, 高い解釈性と複雑な関係を捉える能力から, 生存分析に広く採用されている。 本稿では,動的プログラミングとバウンダリを併用したモデルを提案する。
  論文  参考訳（メタデータ） (2024-01-27T07:26:10Z)
• Deep Ensembles Meets Quantile Regression: Uncertainty-aware Imputation for Time Series [49.992908221544624]
  時系列データは、しばしば多くの欠落した値を示し、これは時系列計算タスクである。 従来の深層学習法は時系列計算に有効であることが示されている。 本研究では,不確実性のある高精度な計算を行う非生成時系列計算法を提案する。
  論文  参考訳（メタデータ） (2023-12-03T05:52:30Z)
• NSOTree: Neural Survival Oblique Tree [0.21756081703275998]
  サバイバル分析(英: Survival analysis)は、特定の利害関係が成立するまでの期間を精査するために用いられる統計手法である。 深層学習に基づく手法は、その表現能力と最先端の性能からこの分野を支配してきた。 本稿では,ニューラルネットワークと木に基づく手法の両方の長所を活用し,解釈可能性を維持しつつ,複雑な関数を近似する能力を生かした。
  論文  参考訳（メタデータ） (2023-09-25T02:14:15Z)
• SurvivalGAN: Generating Time-to-Event Data for Survival Analysis [121.84429525403694]
  検閲と時間的地平線の不均衡は、生成モデルに生存分析に特有の3つの新しい障害モードを経験させる。 本稿では,検閲やイベントの地平線における不均衡に対処し,生存データを扱う生成モデルであるSurvivalGANを提案する。 医療データセットに関する広範な実験により,本手法の評価を行った。
  論文  参考訳（メタデータ） (2023-02-24T17:03:51Z)
• Social Interpretable Tree for Pedestrian Trajectory Prediction [75.81745697967608]
  本稿では,このマルチモーダル予測課題に対処するため,SIT(Social Interpretable Tree)と呼ばれる木に基づく手法を提案する。 木の根から葉までの経路は、個々の将来の軌跡を表す。 ETH-UCYとStanford Droneのデータセットによる実験結果からは,手作り木にもかかわらず,我々の手法が最先端の手法の性能に適合または超えることを示した。
  論文  参考訳（メタデータ） (2022-05-26T12:18:44Z)
• Masked prediction tasks: a parameter identifiability view [49.533046139235466]
  マスク付きトークンの予測に広く用いられている自己教師型学習手法に着目する。 いくつかの予測タスクは識別可能性をもたらすが、他のタスクはそうではない。
  論文  参考訳（メタデータ） (2022-02-18T17:09:32Z)
• Learning Optimal Prescriptive Trees from Observational Data [7.215903549622416]
  混合整数最適化(MIO)技術を用いて最適規範木を学習する手法を提案する。 既存の文献とは対照的に、我々の手法はデータをランダム化する必要がなく、2)学習木に厳密な仮定を課さず、3)ドメイン固有の制約をモデル化する能力を持っている。
  論文  参考訳（メタデータ） (2021-08-31T05:38:36Z)
• Optimal Survival Trees [2.7910505923792637]
  混合整数最適化(MIO)と局所探索技術を利用して,グローバルに最適化された生存木モデルを生成する,新しい生存木アルゴリズムを提案する。 本研究では,既存のサバイバルツリー法,特に大規模データセットの精度の向上を実証する。
  論文  参考訳（メタデータ） (2020-12-08T09:00:57Z)
• MurTree: Optimal Classification Trees via Dynamic Programming and Search [61.817059565926336]
  動的プログラミングと探索に基づいて最適な分類木を学習するための新しいアルゴリズムを提案する。 当社のアプローチでは,最先端技術が必要とする時間のごく一部しか使用せず,数万のインスタンスでデータセットを処理することが可能です。
  論文  参考訳（メタデータ） (2020-07-24T17:06:55Z)
• Generalized and Scalable Optimal Sparse Decision Trees [56.35541305670828]
  様々な目的に対して最適な決定木を生成する手法を提案する。 また,連続変数が存在する場合に最適な結果が得られるスケーラブルなアルゴリズムも導入する。
  論文  参考訳（メタデータ） (2020-06-15T19:00:11Z)

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。