arXiv cs.LG· Itai Zilberstein, Ioannis Anagnostides, Arman Kilic, Tuomas Sandholm·· 7 小时前AI 评分22
在结果依赖截断与删失下高效学习生存分析模型
Efficient Learning of Survival Analysis Models Under Outcome-Dependent Truncation and Censoring
AI 导读
研究证明，当基线风险已知时，Cox 回归可在截断和右删失数据下通过一阶优化高效学习，尽管目标函数非凸；而当基线风险需联合学习时，可构造出负对数似然含严格次优局部极小值的可识别模型。在四个生存数据集上，考虑截断降低了朴素 Cox 回归的预测偏差，并可扩展至神经网络，相比标准期望最大化方法实现数量级加速。
来源：arXiv cs.LG · arxiv.org