×
陈丽萍;Yi，Grace Y。

截尾生存数据的无偏增压估计。 （英语） Zbl 07796637号

统计正弦。 34，第1期，439-458（2024）.
摘要：对于各种设置，Boosting方法已经进行了广泛讨论，大多数方法处理的数据都是完整的观察结果。尽管一些方法可用于具有删失响应的生存数据，但它们倾向于为生存过程假设一个特定模型，并且大多数方法提供数值实现程序，而没有严格的理论依据。在本文中，我们在不假设显式模型的情况下，针对删失生存数据提出了一种无偏增压估计方法，并探索了三种调整损失函数的策略，同时考虑了删失效应。我们使用函数梯度下降算法实现了该方法，并严格建立了理论结果，包括一致性和优化收敛性。我们的数值研究表明，该方法在有限样本环境下表现出令人满意的性能。

MSC公司：

62至XX 统计

关键词：

调整损失函数;增压;一致性;经验过程;机器学习;向右传感;生存数据
PDF格式BibTeX公司 XML格式引用
\textit{L.-P.Chen}和\textit{G.Y.Yi}，Stat.Sin。34，编号1，439--458（2024；Zbl 07796637）
全文： 内政部

参考文献：

[1] Bellot，A.和van der Schaar，M.（2018a）。用于风险预测的增强树。机器学习研究论文集85，1-15。
[2] Bellot，A.和van der Schaar，M.（2018b）。多任务助推，用于具有竞争风险的生存分析。第32届神经信息处理系统会议（NeurIPS 2018），1-10。加拿大蒙特利尔。
[3] Benner，A.（2002年）。“聚合分类器”在生存时间研究中的应用。《计算统计学报：COMPSTAT 2002》（W.Härdle和B.Rönz编辑），171-176。海德堡Physica-Verlag·Zbl 1439.62008号
[4] Binder，H.和Schumacher，M.（2008）。考虑强制协变量，以提高稀疏高维生存模型的估计。BMC生物信息学9，1-10。
[5] Boyd，S.和Vandenberghe，L.（2004）。凸优化。剑桥大学出版社Buckley，J.和James，I.（1979）删失数据的线性回归。生物特征66，429-436·Zbl 0425.62051号
[6] Bühlmann，P.和Hothorn，T.（2007）。推进算法：正则化、预测和模型拟合。统计科学22，477-505·Zbl 1246.62163号
[7] Bühlmann，P.和Yu，B.（2003）。L2损失促进：回归和分类。《美国统计协会杂志》98，324-339·Zbl 1041.62029号
[8] Chen，Y.、Jia，Z.、Mercola，D.和Xie，X.（2013）。通过直接优化一致性指数进行生存分析的梯度增强算法。医学中的计算和数学方法2013，873595·Zbl 1307.92016年9月
[9] Cui，Y.，Zhu，R.，Zhou，M.和Kosorok，M.（2022）存活树和森林模型的一致性：分裂偏差和校正。中国统计局32，1245-1267·Zbl 1524.62475号
[10] Dabrowska，D.M.（1989）。核条件Kaplan-Meier估计的一致一致性。《统计年鉴》17，1157-1167·Zbl 0687.62035号
[11] Freund，Y.（1995）。将弱学习算法提升到大多数。信息与计算121，256-285·兹比尔083368109
[12] 弗里德曼，J.H.（2001）。贪婪函数近似：梯度增强机。《统计年鉴》29，1189-1232·兹比尔1043.62034
[13] Geenens，G.（2011）。非参数函数回归中的维数诅咒及相关问题。统计调查5，30-43·Zbl 1274.62283号
[14] Graf，E.、Schmoor，C.、Sauerbrei，W.和Schumacher，M.（1999）。生存数据预后分类方案的评估和比较。医学统计18，2529-2545。
[15] Hastie，T.、Tibshirani，R.和Friedman，J.（2008）。统计学习的要素。纽约州施普林格。
[16] He，K.，Li，Y.，Zhu，J.，Liu，H.，Lee，J.E.，Amos，C.I.等人（2016）。高维协变量生存分析中的成分梯度提升和错误发现控制。生物信息学32，50-57。
[17] Hothorn，T.、Bühlmann，P.、Dudoit，S.、Molinaro，A.和Van Der Laan，M.J.（2006）。生存合奏。生物统计学7，355-373·Zbl 1170.62385号
[18] Ishwaran，H.和Kogalur，U.B.（2010）随机存活森林的一致性。《统计学与概率快报》80，1056-1064·Zbl 1190.62177号
[19] 姜伟（2004）。AdaBoost的过程一致性。《统计年鉴》32，13-29·兹比尔1105.62316
[20] Lawless，J.F.（2003）。终身数据的统计模型和方法。纽约威利·Zbl 1015.62093号
[21] Lee，D.K.K.，Chen，N.和Ishwaran，H.（2021）。具有时间相关协变量的非参数风险增加。《统计年鉴》49，2101-2128·Zbl 1483.62161号
[22] Li，H.和Luan，Y.（2005）。使用平滑样条函数增强比例风险模型，并应用于高维微阵列数据。生物信息学21，2403-2409。
[23] Lu，W.和Li，L.（2008）。截尾生存数据非线性变换模型的Boosting方法。生物统计学9，658-667·兹比尔1437.62546
[24] Lugosi，G.和Vayatis，N.（2004年）。正则化boosting方法的Bayes-risk一致性。《统计年鉴》32，30-55·Zbl 1105.62319号
[25] Mayr，A.、Hofner，B.和Schmid，M.（2016）。通过协调指数和稳定性选择的优化提高稀疏生存模型的判别能力。BMC生物信息学17，1-12。
[26] Ridgeway，G.（1999）。增压状态。计算科学与统计31，172-181。
[27] Rubin，D.和van der Laan，M.J.（2007年）。一种双重稳健的审查无偏变换。国际生物统计学杂志3，1-21·Zbl 1133.62325号
[28] Schapire，R.E.（1990）。弱可学性的力量。机器学习5197-227。
[29] Schapire，R.E.和Freund，Y.（2014）。推进：基础和算法。麻省理工学院出版社，剑桥。
[30] Schmid，M.和Hothorn，T.（2008）。加速失效时间模型的灵活推进。BMC生物信息学9，1-13。
[31] Steingrimsson，J.A.、Diao，L.、Molinaro，A.M.和Strawderman，R.L.（2016）。加倍健壮的存活树木。医学统计35，3595-3612。
[32] van de Vijver，M.J.、He，Y.D.、van t Veer，L.J.、Dai，H.、Hart，A.A.M.、Voskuil，D.W.等人（2002年）。基因表达特征作为乳腺癌生存预测因子。《新英格兰医学杂志》第347期，1999-2009年。
[33] Wang，J.G.（1987）关于Kaplan-Meier估计一致一致性的注记。《统计年鉴》第15期，1313-1316页·Zbl 0631.62043号
[34] Wang，Z.和Wang，C.Y.（2010）。Buckley-James利用高维生物标记物数据进行生存分析。遗传学和分子生物学中的统计应用9，1-31·Zbl 1304.92101号
[35] Zhang，T.和Yu，B.（2005）。提前停止推进：收敛性和一致性。《统计年鉴》331538-1579·兹比尔1078.62038
[36] Zhu，R.和Kosorok，M.R.（2012年）。递归插补生存树。美国统计协会杂志107，331-340·Zbl 1261.62009年
[37] 国立成池大学统计系，台湾台北市11605。电子邮件：lchen723@nccu.edu.tw
[38] Grace Y.Yi，加拿大安大略省N6A 3K7，伦敦，西安大略大学统计与精算科学系和计算机科学系。
[39] 电子邮件：gyi5@uwo.ca（2021年2月收到；2022年6月接受）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。