截断删失数据下Cox回归高效学习获证

一项新研究证明，在基线风险已知时，即使目标函数非凸，Cox 回归也能在结果依赖截断与右删失数据下通过一阶优化高效学习。作者称，当基线风险需要联合学习时，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，该方法还可扩展至神经网络，相比标准期望最大化方法实现数量级加速。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。