arXiv 机器学习· Itai Zilberstein, Ioannis Anagnostides, Arman Kilic, Tuomas Sandholm·· 5 小时前AI 评分28
结果依赖截断与删失条件下的生存分析模型高效学习
Efficient Learning of Survival Analysis Models Under Outcome-Dependent Truncation and Censoring
AI 导读
研究人员提出了一种在结果依赖截断与右删失数据下高效学习生存分析模型的方法。理论证明在基准风险已知时，尽管存在非凸性，Cox 回归仍可通过一阶优化实现高效学习；基准风险联合学习时则存在严格次优局部极小值。在 4 个生存数据集上的实验表明，该方法减少了预测偏差，可扩展至神经网络，并相比标准期望最大化（EM）算法实现了数个数量级的加速。
来源：arXiv 机器学习 · arxiv.org