NIPSNov, 2016

高斯过程在生存分析中的应用

PDF
TL;DR引入了一种半参数贝叶斯模型用于生存分析，并使用高斯过程来从参数基线风险中非参数地模拟差异，同时考虑协变量的依赖性与左侧，右侧和间隔中断机制，通过 MCMC 算法进行推断并基于随机傅立叶特征的近似方案使计算更快，真实数据实验结果证明我们的模型优于 Cox 比例危险，ANOVA-DDP 和随机生存森林等竞争模型。
semi-parametric bayesian modelsurvival analysisgaussian processmcmc algorithmrandom fourier features
发现论文，激发创造
  • 核 Cox 部分线性回归：构建癌症患者生存预测模型

    应用半参数核 Cox 比例风险模型和带有 LASSO 惩罚项的正则化 garrotized 核机器方法，通过基因表达来预测癌症患者的生存率，以帮助分类患者并提供更好的临床治疗方案。

    Oct, 2023

  • 基于高斯过程的可扩展非参数贝叶斯点过程推断

    本文提出了第一个使用高斯过程的非参数贝叶斯模型，在不用网格化域或引入潜在稀化点的情况下对泊松点过程进行推断。我们设计了 MCMC 采样器，并展示了我们的模型在合成数据和实际数据上比竞争模型更快，更准确且生成的样本更少相关性。最后，我们证明我们的模型容易处理先前未考虑的数据规模。

    Oct, 2014

  • 贝叶斯回归和分类高斯过程模型的蒙特卡罗实现

    本文提出了使用高斯过程模型来进行非参数回归，分类等任务，通过使用马尔科夫链方法对高斯过程的协方差函数的超参数进行采样，可以发现数据的高级特性并实现预测响应所需输入的相关性。

    Jan, 1997

  • 基于 Copula 的深层生存模型 —— 用于相关截尾数据的分析

    该论文介绍了一种参数化的生存模型，通过放宽条件独立性的假设，扩展现代非线性生存分析并在合成和半合成数据中显著提高了生存分布的估计。

    Jun, 2023

  • 深度变分聚类生存数据

    本文介绍了一种基于半监督概率方法的生存数据聚类技术，使用了深度生成模型解决了未知基础变量和被检查的存活时间分布的问题，并在广泛的数据实验中取得了良好的效果和表现。

    Jun, 2021

  • 高斯 Cox 过程模型在时空数据中的贝叶斯优化

    本文提出了一种新颖的基于高斯 Cox 过程的最大后验推断方法，通过引入 Laplace 近似和核函数转换技术，使得推断问题在新的再生核希尔伯特空间中更易于计算，从而在功能后验和后验的协方差方面得到了扩展。在此基础上，我们提出了一个基于高斯 Cox 过程模型的贝叶斯优化框架，并进一步开发了一种 Nyström 近似方法以进行高效计算。在各种合成和实际数据集上的广泛评估表明，与现有的高斯 Cox 过程推断解决方案相比，本方法取得了显著的改进，同时还能有效地进行基于高斯 Cox 过程模型设计的各种收集函数的贝叶斯优化。

    Jan, 2024

  • 高斯过程的伪边缘贝叶斯推断

    本文提出了一种基于伪边缘法的马尔可夫链蒙特卡罗通用策略，有效地解决了使用高斯过程先验的精确贝叶斯推理和模型参数不确定性导致的数据预测问题。此外，Monte Carlo 积分可用于预测中的所有模型参数，这在高斯过程的层次统计模型中具有重要意义，并与最先进的概率分类器进行了广泛的比较。

    Oct, 2013

  • 高斯过程内核表达的死亡率模型

    本文利用柔性高斯过程框架，设计了遗传编程算法来搜索适合于特定人口的最具表现性的内核。研究旨在揭示不同人口中队列效应有无及死亡率表面在年龄和年份维度上的相对平滑性。用编程算法对全国范围的真实数据集进行验证。

    May, 2023

  • 一致化生存分析

    本文提出基于符合预测理论的推理方法来对生存时间进行预测，可以确保在独立同分布数据的情况下，无需进行其他假设即可产生模拟的选择下限，同时证明其对于不同类型的截尾仍然有效，通过对合成数据和实际 COVID-19 数据的实证研究表明其效力。

    Mar, 2021

  • 利用变分傅里叶特征进行大规模 Cox 过程推断

    该论文提出了一种基于傅立叶特征的 Cox 过程推断方法，用于在三维空间中模拟具有复杂时空模式的超过 100,000 个事件，其具有比先前方法更一致的优化行为，并能近似贝叶斯估计非高斯后验概率。

    Apr, 2018