Nov, 2021

逆加权生存游戏

PDF
TL;DR本文提出倒权重生存对抗网络 (Inverse-Weighted Survival Games) 来评估采用最大似然训练的模型 (Deep models) 在不同失效时间 (Brier Score 和 Bernoulli Log-Likelihood) 下的表现，通过重新估计分布加权预测，使得目标函数不依赖缺失和失效分布，最后在真实患者数据和癌症数据上进行实际应用，优化了其表现。
survival analysismaximum likelihoodinverse-weighted survival gamesbrier scorebernoulli log-likelihood
发现论文，激发创造
  • 教授模型生存力：适当评分规则和具有竞争风险的随机优化

    当数据存在右侧截断情况时，生存分析可以计算 “事件发生时间”。多类别的结果导致了一种分类变种：预测最可能的事件，即已知的竞争风险，这方面的研究较少。为了构建一个估计这种情况下的结果概率的损失函数，我们引入了一个严格正确的修正分离的评分规则，这个规则可以在部分数据上进行优化，因为评估是独立于观测的。它可以用于训练梯度提升树来进行竞争风险分析。与 11 种现有模型相比，这个模型 “MultiIncidence” 在生存和竞争风险的结果概率估计上表现最佳。它可以在任何时间点进行预测，并且比现有的替代方法快得多。

    Jun, 2024

  • 适当评分规则和单调神经网络的生存回归

    提出了一种基于神经网络的生存回归模型 SurvivalMonotonic-net (SuMo-net)，该方法使用时间相关权重的单调限制直接优化对数似然函数，达到了多个数据集上最先进的对数似然得分，是现有神经方法的 20-100× 计算速度加速，适用于具有数百万观测值的数据集。

    Mar, 2021

  • 基于分数的扩散模型的最大似然训练

    本文提出基于分数的扩散模型的最大似然训练方法，其中采用一种特定的权重方案，目标函数上界拘束负对数似然函数，达到了与当前最先进的自回归模型同等水平的负对数似然性能，验证了该方法在多个数据集、随机过程和模型结构上的有效性。

    Jan, 2021

  • 通过定制化损失函数实现协变量平衡的倾向得分

    通过协变量平衡评分规则改进倾向性分数估计进行观察研究，可以使震荡的协变量平衡，并且提供比贝努利极大似然估计更稳健的估计。

    Jan, 2016

  • 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

  • 行为博弈论的损失函数

    行为博弈论家应该采用对角有界 Bregman 散度中的平方 L2 误差作为损失函数来评估预测人类行为的模型。

    Jun, 2023

  • 倒计时回归：锐利且校准的生存预测

    本文提出了 Survival-CRPS，它是一种广义的连续秩概率得分，用于生存预测设置的正确或区间截断变体，并评估了两个电子健康记录数据集上的死亡率预测任务的效果，结果表明训练 CRPS 得分的模型相较于 MLE 训练的模型拥有更加尖锐的预测分布并保持校准。

    Jun, 2018

  • 从隐式模型中挖掘金子，以改善无似然推理

    介绍了一种新型的基于模拟的推断技术，在高维情况下，这种技术超越了传统的近似贝叶斯计算方法，并扩展了基于神经网络的代理模型的方法，并演示了这些新技术比传统方法更具样本效率和提供更高保真度的推断。

    May, 2018

  • 使用退出一个样本最大对数似然目标稳定训练概率模型

    基于数据驱动方法的概率建模用于电力系统运行和规划过程，需要充足的大型数据集。本文提出一种自适应的核密度估计模型，通过分配可学习的权重给核心实现了该模型的性能改进，同时使用修正的期望最大化算法加快优化速度，并通过和高斯混合模型的比较，表明所提出的模型具有良好的性能。

    Oct, 2023

  • 基于集成 Brier 得分的生存 Cobra 模型 —— 一种基于回归的方法

    该研究提供了使用 COBRA 集成和 Integrated Brier Score 来预测条件生存函数的两种新实现方法。利用基于回归的弱学习器，我们创建了一种基于归一化集成 Brier 分数作为权重的新型预测器，同时考虑了右侧截尾数据，通过在现实数据分析中对算法进行了说明。

    Oct, 2022