Fugu-MT 論文翻訳(概要): Optimal Sparse Survival Trees

論文の概要: Optimal Sparse Survival Trees

arxiv url: http://arxiv.org/abs/2401.15330v1
Date: Sat, 27 Jan 2024 07:26:10 GMT
ステータス: 処理完了
システム内更新日: 2024-01-30 18:53:11.885767
Title: Optimal Sparse Survival Trees
Title（参考訳）: 最適スパース生存木
Authors: Rui Zhang, Rui Xin, Margo Seltzer, Cynthia Rudin
Abstract要約: 木に基づく手法は,その魅力ある解釈性や複雑な関係を捉える能力から,テキスト・サバイバル・アナリティクスに広く採用されている。動的プログラミングとバウンドのアプローチでは、生存木モデルがわずか数秒で十分にスパースであることを示す。
参考スコア（独自算出の注目度）: 25.378274046888
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Interpretability is crucial for doctors, hospitals, pharmaceutical companies and biotechnology corporations to analyze and make decisions for high stakes problems that involve human health. Tree-based methods have been widely adopted for \textit{survival analysis} due to their appealing interpretablility and their ability to capture complex relationships. However, most existing methods to produce survival trees rely on heuristic (or greedy) algorithms, which risk producing sub-optimal models. We present a dynamic-programming-with-bounds approach that finds provably-optimal sparse survival tree models, frequently in only a few seconds.
Abstract（参考訳）: 解釈性は、医師、病院、製薬会社、バイオテクノロジー企業にとって、人間の健康に関わる高リスク問題の分析と意思決定に不可欠である。木に基づく手法は、その魅力ある解釈性と複雑な関係を捉える能力のために、textit{survival analysis} に広く採用されている。しかし、生存木を生産する既存の方法のほとんどはヒューリスティックなアルゴリズムに依存しており、これは準最適モデルを生成するリスクがある。我々は動的プログラミングと境界付き手法を提案し, わずか数秒で可視的スパースサバイバルツリーモデルを見出す。

関連論文リスト

HACSurv: A Hierarchical Copula-based Approach for Survival Analysis with Dependent Competing Risks [51.95824566163554]
HACSurvは、競合するリスクを持つデータから構造や原因特異的生存関数を学習する生存分析手法である。リスクと検閲の間の依存関係をキャプチャすることで、HACSurvはより良い生存予測を実現する。
論文参考訳（メタデータ） (2024-10-19T18:52:18Z)
Optimal Survival Trees: A Dynamic Programming Approach [8.815461200424776]
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。
論文参考訳（メタデータ） (2024-01-09T11:01:11Z)
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)
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)
Growing Deep Forests Efficiently with Soft Routing and Learned Connectivity [79.83903179393164]
この論文は、いくつかの重要な側面で深い森林のアイデアをさらに拡張します。我々は、ノードがハードバイナリ決定ではなく、確率的ルーティング決定、すなわちソフトルーティングを行う確率的ツリーを採用する。 MNISTデータセットの実験は、私たちの力のある深部森林が[1]、[3]よりも優れたまたは匹敵するパフォーマンスを達成できることを示しています。
論文参考訳（メタデータ） (2020-12-29T18:05:05Z)
Genetic Adversarial Training of Decision Trees [6.85316573653194]
遺伝的アルゴリズムに基づく決定木のアンサンブルに関する新しい学習手法を提案し、その精度と敵対的な摂動に対する堅牢性を最大化するための決定木を訓練することができる。本アルゴリズムをMeta-Silvae (MS) というツールに実装し, 対人訓練に用いる参照データセットを用いて実験的に評価した。
論文参考訳（メタデータ） (2020-12-21T14:05:57Z)
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)
ENTMOOT: A Framework for Optimization over Ensemble Tree Models [57.98561336670884]
ENTMOOTは、ツリーモデルをより大きな最適化問題に統合するためのフレームワークである。 ENTMOOTは、ツリーモデルの意思決定とブラックボックス最適化への単純な統合を可能にしていることを示す。
論文参考訳（メタデータ） (2020-03-10T14:34:07Z)

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。