×

深度PAMM

swMATH ID: 44222
软件作者: 菲利普·科珀(Philipp Kopper)、西蒙·维格列布(Simon Wiegrebe)、伯恩德·比施尔(Bernd Bischl)、安德烈亚斯·本德(Andreas Bender)、大卫·吕加默(David Rügamer)
描述: DeepPAMM:生存分析中复杂危险结构的深度分段指数加性混合模型。生存分析(SA)是一个活跃的研究领域,涉及时间到事件的结果,在许多领域都很流行,尤其是生物医学应用。尽管SA很重要,但由于小规模数据集和复杂的结果分布(被截断和审查过程掩盖),SA仍然具有挑战性。分段指数加性混合模型(PAMM)是一个模型类,解决了许多这些挑战,但PAMM不适用于高维特征设置或非结构化或多模态数据。我们通过提出DeepPAMM来统一现有的方法,DeepPAMM是一个多功能的深度学习框架,从统计学的角度来看是有根据的,但具有足够的灵活性来建模复杂的危险结构。我们通过基准实验和扩展的案例研究表明,DeepPAMM在保持可解释性的同时,在预测性能方面与其他机器学习方法相比具有竞争力。
主页: https://arxiv.org/abs/2202.07423
关键词: 机器学习;arXiv_状态ML;arXiv_cs。LG公司
相关软件: GAMLSS公司;TensorFlow公司;R(右);深度回归;PySDDR公司;gamlss.lasso套索;mgcv公司;竹竿;LassoNet公司;tf概率;珊瑚礁;混音器;柔性混音
引用于: 0个文档