面向高维生存预测与函数选择的可扩展灵活 Cox 比例风险模型
统计方法学
2022-05-25 v1 统计计算
摘要
Cox 比例风险模型是生物医学数据分析中最流行的模型之一。人们持续努力提升此类模型对复杂信号检测的灵活性，例如通过加性函数。然而，将 Cox 加性模型扩展至高维数据并非易事。在估计加性函数时，常用的组稀疏正则化可能对加性函数引入过度平滑收缩，损害预测性能。此外，“全进全出”方式使得在函数选择上难以回答是否存在非线性效应。我们开发了加性 Cox PH 模型以应对高维数据分析中的这些挑战。值得注意的是，我们施加了一种新颖的 spike-and-slab LASSO 先验，其催生了加性函数上的双层次函数选择。我们设计了可扩展的确定性算法 EM-Coordinate Descent 用于可扩展模型拟合。我们在模拟研究与代谢组学数据分析中，将预测与计算性能与最先进模型进行比较。所提模型通过免费可用的 R 包 BHAM（https://boyiguo1.github.io/BHAM/）广泛适用于各领域研究，例如基因组学与人群健康。
引用
@article{arxiv.2205.11600,
title = {A scalable and flexible Cox proportional hazards model for high-dimensional survival prediction and functional selection},
author = {Boyi Guo and Nengjun Yi},
journal= {arXiv preprint arXiv:2205.11600},
year = {2022}
}