論文の概要: On the calibration of survival models with competing risks

• arxiv url: http://arxiv.org/abs/2602.00194v1
• Date: Fri, 30 Jan 2026 10:23:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:33.046141
• Title: On the calibration of survival models with competing risks
• Title（参考訳）: 競合リスクを伴う生存モデルの校正について
• Authors: Julie Alberge, Tristan Haugomat, Gaël Varoquaux, Judith Abécassis,
• Abstract要約: 既存のキャリブレーション対策が競合リスク設定に適していないことを示す。 オラクル推定器で最小化される2つの新しい校正手法を導入する。 我々の校正法は差別を保ちながら良好な確率を得る。
• 参考スコア（独自算出の注目度）: 9.77401900270683
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Survival analysis deals with modeling the time until an event occurs, and accurate probability estimates are crucial for decision-making, particularly in the competing-risks setting where multiple events are possible. While recent work has addressed calibration in standard survival analysis, the competing-risks setting remains under-explored as it is harder (the calibration applies to both probabilities across classes and time horizon). We show that existing calibration measures are not suited to the competing-risk setting and that recent models do not give well-behaved probabilities. To address this, we introduce a dedicated framework with two novel calibration measures that are minimized for oracle estimators (i.e., both measures are proper). We also introduce some methods to estimate, test, and correct the calibration. Our recalibration methods yield good probabilities while preserving discrimination.
• Abstract（参考訳）: 生存分析は、イベントが発生するまでの時間をモデル化し、特に複数のイベントが可能である競合リスク設定において、意思決定において正確な確率推定が不可欠である。 近年の研究では、標準生存分析におけるキャリブレーションに対処しているが、競合リスク設定はより難しいため、未探索のままである(このキャリブレーションはクラス間の確率と時間水平線の両方に適用される)。 既存のキャリブレーション対策は競合リスク設定に適合せず、最近のモデルでは十分な確率が得られていないことを示す。 そこで本研究では, オラクル推定器を最小化するための2つの新しい校正手段を備えた専用フレームワークを提案する。 また、キャリブレーションを推定、テスト、修正するためのいくつかの手法も導入する。 我々の校正法は差別を保ちながら良好な確率を得る。

関連論文リスト

• Rethinking Early Stopping: Refine, Then Calibrate [49.966899634962374]
  キャリブレーション・リファインメント分解の新規な変分定式化について述べる。 我々は,校正誤差と精錬誤差が訓練中に同時に最小化されないという理論的,実証的な証拠を提供する。
  論文  参考訳（メタデータ） (2025-01-31T15:03:54Z)
• Enhancing accuracy of uncertainty estimation in appearance-based gaze tracking with probabilistic evaluation and calibration [13.564919425738163]
  外見に基づく視線追跡の不確実性は、信頼性の高い下流アプリケーションを保証するために重要である。 現在の不確実性認識アプローチでは、トレーニングデータセット内の分布に従って不確実性を取得する確率論的モデルを採用している。 トレーニングされたモデルの不確かさを推定する際のバイアスを軽減するために,確率校正に基づく補正戦略を提案する。
  論文  参考訳（メタデータ） (2025-01-24T19:33:55Z)
• Survival Models: Proper Scoring Rule and Stochastic Optimization with Competing Risks [6.9648613217501705]
  SurvivalBoostは、4つの実生活データセットで12の最先端モデルを上回っている。 優れたキャリブレーション、任意の時間軸にわたって予測する機能、既存のメソッドよりも高速な計算時間を提供する。
  論文  参考訳（メタデータ） (2024-10-22T07:33:34Z)
• Cautious Calibration in Binary Classification [1.6954767541769011]
  慎重であることは、機械学習システムの信頼性を高めるために不可欠である。 リスクの高いシナリオでは、予測される各確率が不信に傾くことが重要です。 本研究では,二項分類における慎重な校正という新しい概念を紹介する。
  論文  参考訳（メタデータ） (2024-08-09T15:19:40Z)
• Towards Certification of Uncertainty Calibration under Adversarial Attacks [96.48317453951418]
  攻撃はキャリブレーションを著しく損なう可能性を示し, 対向的摂動下でのキャリブレーションにおける最悪のキャリブレーション境界として認定キャリブレーションを提案する。 我々は,新しいキャリブレーション攻撃を提案し,テクスタディバーショナルキャリブレーショントレーニングによりモデルキャリブレーションを改善する方法を示す。
  論文  参考訳（メタデータ） (2024-05-22T18:52:09Z)
• Calibration by Distribution Matching: Trainable Kernel Calibration Metrics [56.629245030893685]
  カーネルベースのキャリブレーションメトリクスを導入し、分類と回帰の両方で一般的なキャリブレーションの形式を統一・一般化する。 これらの指標は、異なるサンプル推定を許容しており、キャリブレーションの目的を経験的リスク最小化に組み込むのが容易である。 決定タスクにキャリブレーションメトリクスを調整し、正確な損失推定を行ない、後悔しない決定を行うための直感的なメカニズムを提供する。
  論文  参考訳（メタデータ） (2023-10-31T06:19:40Z)
• Mitigating multiple descents: A model-agnostic framework for risk monotonization [84.6382406922369]
  クロスバリデーションに基づくリスクモノトナイズのための一般的なフレームワークを開発する。 本稿では,データ駆動方式であるゼロステップとワンステップの2つの手法を提案する。
  論文  参考訳（メタデータ） (2022-05-25T17:41:40Z)
• Dense Uncertainty Estimation via an Ensemble-based Conditional Latent Variable Model [68.34559610536614]
  我々は、アレータリック不確実性はデータの固有の特性であり、偏見のないオラクルモデルでのみ正確に推定できると論じる。 そこで本研究では,軌道不確実性推定のためのオラクルモデルを近似するために,列車時の新しいサンプリングと選択戦略を提案する。 以上の結果から,提案手法は精度の高い決定論的結果と確実な不確実性推定の両方を達成できることが示唆された。
  論文  参考訳（メタデータ） (2021-11-22T08:54:10Z)
• Unsupervised Calibration under Covariate Shift [92.02278658443166]
  ドメインシフト下でのキャリブレーションの問題を導入し、それに対処するための重要サンプリングに基づくアプローチを提案する。 実世界のデータセットと合成データセットの両方において,本手法の有効性を評価し検討した。
  論文  参考訳（メタデータ） (2020-06-29T21:50:07Z)

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。

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。