一种评估生存模型的有效且有意义的途径
机器学习
2023-06-05 v1 人工智能
机器学习
摘要
评估生存预测模型的一个直接指标是基于平均绝对误差（MAE）——即模型预测的时间与所有受试者的真实事件时间之间绝对差的平均值。遗憾的是，这具有挑战性，因为在实际应用中，测试集包含（右）删失个体，意味着我们不知道删失个体实际经历事件的时间。在本文中，我们探索了各种用于估计包含（大量）删失个体的生存数据集的 MAE 的指标。此外，我们引入了一种新颖且有效的方法来生成真实的半合成生存数据集，以促进对指标的评估。我们基于半合成数据集的分析得出的发现表明，我们提出的指标（使用伪观测的 MAE）能够根据模型的性能准确地对模型进行排序，并且通常接近真实 MAE——特别是优于几种替代方法。
引用
@article{arxiv.2306.01196,
title = {An Effective Meaningful Way to Evaluate Survival Models},
author = {Shi-ang Qi and Neeraj Kumar and Mahtab Farrokh and Weijie Sun and Li-Hao Kuan and Rajesh Ranganath and Ricardo Henao and Russell Greiner},
journal= {arXiv preprint arXiv:2306.01196},
year = {2023}
}
备注
Accepted to ICML 2023