C-mix：一种用于删失持续时间的高维混合模型及其在遗传数据中的应用
机器学习
2017-11-28 v5
摘要
我们引入了一种用于删失持续时间的混合模型（C-mix），并开发了用于联合估计该模型的时间分布和潜在回归参数的最大似然推断。我们考虑了高维设定，其中数据集包含大量生物医学协变量。因此，我们用 Elastic-Net 对负对数似然进行惩罚，这导致了模型的稀疏参数化。推断使用高效的拟牛顿期望最大化（QNEM）算法实现，我们为其提供了收敛性质。然后，我们通过评估患者发生早期不良事件的风险提出了一种评分。该方法的统计性能在广泛的蒙特卡洛模拟研究中进行了检验，并最终在三个具有高维协变量的遗传数据集上进行了说明。我们表明，在 C-index 和 AUC(t) 方面，我们的方法在此任务上优于最先进的方法，即 CURE 和 Cox 比例风险模型。
引用
@article{arxiv.1610.07407,
title = {C-mix: a high dimensional mixture model for censored durations, with applications to genetic data},
author = {Simon Bussy and Agathe Guilloux and Stéphane Gaïffas and Anne-Sophie Jannot},
journal= {arXiv preprint arXiv:1610.07407},
year = {2017}
}