从统计学习视角看生存分析中的一致性指数
机器学习
2023-02-24 v1 机器学习
摘要
机器学习(ML)技术引入生存分析领域后,增加了建模方法的灵活性,基于 ML 的模型已成为最先进的(state-of-the-art)方法。这些模型优化自身的代价函数,其性能常使用一致性指数(C-index)评估。因此,从统计学习角度看,分析 C-index 的优化器与 ML 代价函数的优化器之间的关系是一个重要问题。我们通过给出生存分析中几种常用代价函数的 C-index Fisher 一致性结果与超额风险界来解决此问题。我们以三个嵌套的生存模型族的形式,给出了它们一致的条件。我们还研究了不作任何模型假设的一般情形,并提出一种全新的、开箱即用的方法,该方法被证明与 C-index 一致,尽管在推理时计算代价高昂。最后,我们使用模拟数据进行了有限的数值实验以说明我们的理论发现。
引用
@article{arxiv.2302.12059,
title = {A Statistical Learning Take on the Concordance Index for Survival Analysis},
author = {Alex Nowak-Vila and Kevin Elgui and Genevieve Robin},
journal= {arXiv preprint arXiv:2302.12059},
year = {2023}
}