加速且可解释的斜随机生存森林
统计方法学
2022-08-04 v1 机器学习
摘要
斜随机生存森林（RSF）是一种针对右删失结局的集成监督学习方法。斜 RSF 中的树通过使用预测变量的线性组合来创建分支，而标准 RSF 中仅使用单个预测变量。斜 RSF 集成通常比标准 RSF 集成具有更高的预测精度。然而，评估所有可能的预测变量线性组合会带来显著的计算开销，限制了其在大规模数据集上的应用。此外，针对斜 RSF 集成的解释方法很少，且相较于基于坐标的对应方法，它们仍更难解释。我们提出了一种提升斜 RSF 计算效率的方法，以及一种估计斜 RSF 中单个预测变量重要性的方法。我们降低计算开销的策略利用了牛顿-拉夫森评分法，这是一种经典优化技术，我们将其应用于决策树每个非叶节点处的 Cox 偏似然函数。我们通过将给定预测变量在线性组合中所用系数取反，然后计算袋外精度的下降来估计斜 RSF 中单个预测变量的重要性。在通用基准实验中，我们发现所实现的斜 RSF 比现有斜 RSF 软件快约 450 倍，且具有同等的区分度与更优的 Brier 分数。在模拟研究中我们发现，“取反重要性”比置换重要性、Shapley 加性解释以及一种先前基于方差分析度量斜 RSF 变量重要性的技术更可靠地区分相关与无关预测变量。本研究引入的方法可在 aorsf R 包中获取。
引用
@article{arxiv.2208.01129,
title = {Accelerated and interpretable oblique random survival forests},
author = {Byron C. Jaeger and Sawyer Welden and Kristin Lenoir and Jaime L. Speiser and Matthew W. Segar and Ambarish Pandey and Nicholas M. Pajewski},
journal= {arXiv preprint arXiv:2208.01129},
year = {2022}
}
备注
40 pages, 6 figures