基于神经网络的连续与离散时间生存预测
机器学习
2019-10-16 v1 机器学习
统计方法学
摘要
考虑了将离散时间生存方法应用于连续时间生存预测。为此,通过考虑估计的事件时间分布的分位数,提出了一种连续时间数据离散化方案,并且对于较小的数据集,发现其优于常用的等距方案。此外,探索了两种连续时间生存估计的插值方案,两者均显示出比离散时间估计更好的性能。所考虑的生存方法基于右删失生存数据的似然,并用神经网络参数化概率质量函数(PMF)或离散时间风险率。通过模拟和真实世界数据研究,发现风险率参数化比 PMF 参数化表现略好。受这些研究的启发,通过假设连续时间风险率为分段常数,提出了一种连续时间方法。该方法名为 PC-Hazard,除文献中其他生存预测方法外,被发现与上述方法极具竞争力。
引用
@article{arxiv.1910.06724,
title = {Continuous and Discrete-Time Survival Prediction with Neural Networks},
author = {Håvard Kvamme and Ørnulf Borgan},
journal= {arXiv preprint arXiv:1910.06724},
year = {2019}
}