复合生存分析：利用辅助聚合基线和生存分数进行学习
机器学习
2023-12-12 v1 机器学习
摘要
生存分析(SA)是时间-事件建模的默认方法，因为它能够估计稀疏事件随时间发生的事件概率。在这项工作中，我们展示了如何通过将SA模型的完整表达式解耦为(1)聚合基线风险（捕捉给定人群的整体行为）和(2)独立分布的生存分数（在完全参数化设置中模拟其给定成员的特异性概率动态）来改进SA模型的训练和推理。所提出的推理方法被证明能够动态处理右删失观测时间范围，并在各种真实世界数据集上（包括计算效率低下的基于深度学习的SA方法和需要MCMC进行推理的模型）与最先进方法相比取得了有竞争力的性能。尽管如此，我们的方法从一开始就获得了稳健的结果，而无需进行微调或超参数优化。
引用
@article{arxiv.2312.05854,
title = {Composite Survival Analysis: Learning with Auxiliary Aggregated Baselines and Survival Scores},
author = {Chris Solomou},
journal= {arXiv preprint arXiv:2312.05854},
year = {2023}
}