論文の概要: Node Splitting SVMs for Survival Trees Based on an L2-Regularized Dipole Splitting Criteria

• arxiv url: http://arxiv.org/abs/2506.11416v1
• Date: Fri, 13 Jun 2025 02:31:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-16 17:50:49.630847
• Title: Node Splitting SVMs for Survival Trees Based on an L2-Regularized Dipole Splitting Criteria
• Title（参考訳）: L2正規化双極子分割基準に基づく生存木に対するノード分割SVM
• Authors: Aye Aye Maung, Drew Lazar, Qi Zheng,
• Abstract要約: 本稿では,サバイバルツリー作成のための新しいパラメトリック分割支援ベクトルマシン(SVM)を提案する。 連続した右検閲結果を含む生存データを非線形に分割することができる。
• 参考スコア（独自算出の注目度）: 7.022654962339051
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper proposes a novel, node-splitting support vector machine (SVM) for creating survival trees. This approach is capable of non-linearly partitioning survival data which includes continuous, right-censored outcomes. Our method improves on an existing non-parametric method, which uses at most oblique splits to induce survival regression trees. In the prior work, these oblique splits were created via a non-SVM approach, by minimizing a piece-wise linear objective, called a dipole splitting criterion, constructed from pairs of covariates and their associated survival information. We extend this method by enabling splits from a general class of non-linear surfaces. We achieve this by ridge regularizing the dipole-splitting criterion to enable application of kernel methods in a manner analogous to classical SVMs. The ridge regularization provides robustness and can be tuned. Using various kernels, we induce both linear and non-linear survival trees to compare their sizes and predictive powers on real and simulated data sets. We compare traditional univariate log-rank splits, oblique splits using the original dipole-splitting criterion and a variety of non-linear splits enabled by our method. In these tests, trees created by non-linear splits, using polynomial and Gaussian kernels show similar predictive power while often being of smaller sizes compared to trees created by univariate and oblique splits. This approach provides a novel and flexible array of survival trees that can be applied to diverse survival data sets.
• Abstract（参考訳）: 本稿では,サバイバルツリー作成のための新しいノード分割支援ベクトルマシン(SVM)を提案する。 このアプローチは、連続した右チャージされた結果を含む生存データを非線形に分割することができる。 本手法は, 既設の非パラメトリック法を改良し, ほぼ斜めに分割して残余回帰木を誘導する。 以前の研究では、これらの斜め分割は、双極子分割基準(dipole splitting criterion)と呼ばれる、一対の共変体とその関連する生存情報から構築された片方向線形な目的を最小化することで、非SVMアプローチによって作成された。 非線型曲面の一般クラスからの分割を可能にすることにより、この方法を拡張する。 従来のSVMに類似した方法でカーネルメソッドの適用を可能にするために、双極子分割基準を正規化することでこれを実現できる。 リッジの正規化は堅牢性を提供し、調整することができる。 種々のカーネルを用いて,線形木と非線形木の両方を誘導し,実データとシミュレーションデータを用いて,そのサイズと予測力を比較した。 従来の単変数のログランク分割, 元の双極子分割基準を用いた斜め分割, および本手法で実現した非線形分割を比較した。 これらのテストでは、多項式とガウス核を用いて、非線形分割によって生成される木は、ユニバリケートと斜め分割によって生成される木に比べて、しばしば小さいサイズで、同様の予測力を示す。 このアプローチは、様々なサバイバルデータセットに適用可能な、新しく柔軟なサバイバルツリーの配列を提供する。

関連論文リスト

• LHT: Statistically-Driven Oblique Decision Trees for Interpretable Classification [6.551174160819771]
  本稿では,表現的・解釈可能な分類のための新しい斜め決定木モデルであるLHTについて紹介する。 LHTは、分割超平面を構築するための非定性的、統計的に駆動されるアプローチによって、自分自身を根本的に区別する。
  論文  参考訳（メタデータ） (2025-05-07T05:25:44Z)
• A Powerful Random Forest Featuring Linear Extensions (RaFFLE) [1.2233362977312945]
  RaFFLEは、ランダムな森林アンサンブル内でPILOTツリーをベースラーナーとして統合する新しいフレームワークである。 PILOT木は、従来の決定木の計算効率と線形モデル木の柔軟性を組み合わせたものである。 RaFFLEは様々な回帰問題に対処するための汎用ツールであることが証明されている。
  論文  参考訳（メタデータ） (2025-02-14T14:22:51Z)
• Induced Covariance for Causal Discovery in Linear Sparse Structures [55.2480439325792]
  因果モデルでは、観測データから変数間の因果関係を解き明かそうとしている。 本稿では,変数が線形に疎結合な関係を示す設定のための新しい因果探索アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-02T04:01:38Z)
• Statistical Advantages of Oblique Randomized Decision Trees and Forests [0.0]
  リッジ関数のフレキシブル次元縮小モデルクラスに対して一般化誤差と収束率を求める。 軸方向のモンドリアン木のリスクに対する低い境界は、これらの線形次元減少モデルに対してこれらの推定値が最適であることを示す。
  論文  参考訳（メタデータ） (2024-07-02T17:35:22Z)
• Low-rank extended Kalman filtering for online learning of neural networks from streaming data [71.97861600347959]
  非定常データストリームから非線形関数のパラメータを推定するための効率的なオンライン近似ベイズ推定アルゴリズムを提案する。 この方法は拡張カルマンフィルタ (EKF) に基づいているが、新しい低ランク+斜角行列分解法を用いている。 変分推論に基づく手法とは対照的に,本手法は完全に決定論的であり,ステップサイズチューニングを必要としない。
  論文  参考訳（メタデータ） (2023-05-31T03:48:49Z)
• Implicit Generative Copulas [0.0]
  我々は、暗黙的な生成ニューラルネットワークに基づく柔軟な、しかし概念的には単純な代替案を提案する。 ファイナンス、物理、画像生成の合成および実データに関する実験は、このアプローチの性能を実証している。
  論文  参考訳（メタデータ） (2021-09-29T17:05:30Z)
• Unfolding Projection-free SDP Relaxation of Binary Graph Classifier via GDPA Linearization [59.87663954467815]
  アルゴリズムの展開は、モデルベースのアルゴリズムの各イテレーションをニューラルネットワーク層として実装することにより、解釈可能で類似のニューラルネットワークアーキテクチャを生成する。 本稿では、Gershgorin disc perfect alignment (GDPA)と呼ばれる最近の線形代数定理を利用して、二進グラフの半定値プログラミング緩和(SDR)のためのプロジェクションフリーアルゴリズムをアンロールする。 実験結果から,我々の未学習ネットワークは純粋モデルベースグラフ分類器よりも優れ,純粋データ駆動ネットワークに匹敵する性能を示したが,パラメータははるかに少なかった。
  論文  参考訳（メタデータ） (2021-09-10T07:01:15Z)
• Learning Generative Prior with Latent Space Sparsity Constraints [25.213673771175692]
  自然像の分布は1つの多様体にではなく、むしろいくつかの部分多様体の結合にあると論じられている。 本稿では,スペーサ性駆動型潜時空間サンプリング(SDLSS)フレームワークを提案し,PMLアルゴリズムを用いて潜時空間のスペーサ性を実現する。 その結果, SDLSS法は, 高次圧縮では最先端法よりも効率が高いことがわかった。
  論文  参考訳（メタデータ） (2021-05-25T14:12:04Z)
• Random extrapolation for primal-dual coordinate descent [61.55967255151027]
  本稿では,データ行列の疎度と目的関数の好適な構造に適応する,ランダムに外挿した原始-双対座標降下法を提案する。 一般凸凹の場合, 主対差と目的値に対するシーケンスのほぼ確実に収束と最適サブ線形収束率を示す。
  論文  参考訳（メタデータ） (2020-07-13T17:39:35Z)
• Adaptive Correlated Monte Carlo for Contextual Categorical Sequence Generation [77.7420231319632]
  我々は,モンテカルロ (MC) ロールアウトの集合を分散制御のために評価する政策勾配推定器に,カテゴリー列の文脈的生成を適用する。 また,二分木ソフトマックスモデルに相関したMCロールアウトを用いることで,大語彙シナリオにおける高生成コストを低減できることを示す。
  論文  参考訳（メタデータ） (2019-12-31T03:01:55Z)

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。