論文の概要: Spectral Survival Analysis

• arxiv url: http://arxiv.org/abs/2505.22641v1
• Date: Wed, 28 May 2025 17:54:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:50.781527
• Title: Spectral Survival Analysis
• Title（参考訳）: スペクトル生存分析
• Authors: Chengzhi Shi, Stratis Ioannidis,
• Abstract要約: 我々は、スペクトル法を適応・拡張し、ランク回帰を生存分析に適用する。 複数の実世界の高次元データセット上で,本手法のスケーラビリティを実証的に検証する。
• 参考スコア（独自算出の注目度）: 9.374950620793001
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Survival analysis is widely deployed in a diverse set of fields, including healthcare, business, ecology, etc. The Cox Proportional Hazard (CoxPH) model is a semi-parametric model often encountered in the literature. Despite its popularity, wide deployment, and numerous variants, scaling CoxPH to large datasets and deep architectures poses a challenge, especially in the high-dimensional regime. We identify a fundamental connection between rank regression and the CoxPH model: this allows us to adapt and extend the so-called spectral method for rank regression to survival analysis. Our approach is versatile, naturally generalizing to several CoxPH variants, including deep models. We empirically verify our method's scalability on multiple real-world high-dimensional datasets; our method outperforms legacy methods w.r.t. predictive performance and efficiency.
• Abstract（参考訳）: 生存分析は、医療、ビジネス、生態学など様々な分野に広く展開されている。 Cox Proportional Hazard (CoxPH) モデルは、文献でよく見られる半パラメトリックモデルである。 人気があり、広くデプロイされ、多くのバリエーションがあるにもかかわらず、CoxPHを大規模なデータセットやディープアーキテクチャにスケールすることは、特に高次元のシステムにおいて課題となる。 我々は、ランク回帰とCoxPHモデルとの基本的な関係を同定し、これにより、ランク回帰のスペクトル法を適応し、サバイバル分析に拡張することができる。 我々のアプローチは多用途であり、ディープモデルを含むいくつかのCoxPH変種に自然に一般化する。 提案手法は,複数の実世界の高次元データセット上での手法のスケーラビリティを実証的に検証する。

関連論文リスト

• Deep Partially Linear Transformation Model for Right-Censored Survival Data [9.991327369572819]
  本稿では,推定,推測,予測のための汎用かつ柔軟なフレームワークとして,深部部分線形変換モデル(DPLTM)を提案する。 総合シミュレーション研究は、推定精度と予測パワーの両方の観点から提案手法の優れた性能を示す。
  論文  参考訳（メタデータ） (2024-12-10T15:50:43Z)
• On Least Square Estimation in Softmax Gating Mixture of Experts [78.3687645289918]
  決定論的MoEモデルに基づく最小二乗推定器(LSE)の性能について検討する。 我々は,多種多様な専門家関数の収束挙動を特徴付けるために,強い識別可能性という条件を確立する。 本研究は,専門家の選択に重要な意味を持つ。
  論文  参考訳（メタデータ） (2024-02-05T12:31:18Z)
• Conformal inference for regression on Riemannian Manifolds [49.7719149179179]
  回帰シナリオの予測セットは、応答変数が$Y$で、多様体に存在し、Xで表される共変数がユークリッド空間にあるときに検討する。 我々は、多様体上のこれらの領域の経験的バージョンが、その集団に対するほぼ確実に収束していることを証明する。
  論文  参考訳（メタデータ） (2023-10-12T10:56:25Z)
• 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)
• Sparse high-dimensional linear regression with a partitioned empirical Bayes ECM algorithm [62.997667081978825]
  疎高次元線形回帰に対する計算効率が高く強力なベイズ的手法を提案する。 パラメータに関する最小の事前仮定は、プラグイン経験的ベイズ推定(英語版)を用いて用いられる。 提案手法はRパッケージプローブに実装されている。
  論文  参考訳（メタデータ） (2022-09-16T19:15:50Z)
• Variational Interpretable Learning from Multi-view Data [2.687817337319978]
  DICCAは、多視点データの共有とビュー固有のバリエーションの両方を分離するように設計されている。 実世界のデータセットにおける実証的な結果は、我々の手法がドメイン間で競合していることを示している。
  論文  参考訳（メタデータ） (2022-02-28T01:56:44Z)
• 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)
• Generalized Matrix Factorization: efficient algorithms for fitting generalized linear latent variable models to large data arrays [62.997667081978825]
  一般化線形潜在変数モデル(GLLVM)は、そのような因子モデルを非ガウス応答に一般化する。 GLLVMのモデルパラメータを推定する現在のアルゴリズムは、集約的な計算を必要とし、大規模なデータセットにスケールしない。 本稿では,GLLVMを高次元データセットに適用するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-10-06T04:28:19Z)

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。