一种用于生存与分类数据特征选择的混合Cox-Logistic模型
机器学习
2015-02-06 v1 机器学习
统计方法学
摘要
本文提出一种联合拟合生存时间并将样本分类到子组的新方法。Coxlogit模型是一种广义线性模型，两个任务共用一组所选特征。此处假设生存时间和类标签由依赖于这些特征的公共风险评分所条件化。学习自然表示为最大化子组标签和生存事件排序的联合概率，以公共权重向量为条件。该模型通过坐标下降算法最小化正则化对数似然来估计。在合成数据和乳腺癌数据上的验证表明，当同时预测生存时间并将新样本分类到子组时，所提方法优于标准Cox模型或逻辑回归。它在为两个任务选择信息性特征方面也更好。
引用
@article{arxiv.1502.01493,
title = {A mixture Cox-Logistic model for feature selection from survival and classification data},
author = {Samuel Branders and Roberto D'Ambrosio and Pierre Dupont},
journal= {arXiv preprint arXiv:1502.01493},
year = {2015}
}