面向线性回归的数据驱动子组识别
机器学习
2023-05-02 v1 机器学习
摘要
医学研究常需提取各协变量与结局之间的关系，并给出统计置信度量。为此常使用简单参数模型（例如线性回归系数），但通常在整个数据集上拟合。然而，协变量常不对全体人群具有一致效应，因而统一的简单模型会遗漏异质信号。例如，线性模型或可解释部分数据，却因数据的非线性和异质性在其余数据上失效。本文提出DDGroup（数据驱动分组发现），一种数据驱动方法，可有效识别数据中特征与标签间具有一致线性关系的子组。DDGroup输出一个可解释的区域，其中预期线性模型成立。它实现简单且计算易处理。我们从理论上证明，给定足够大样本，DDGroup可恢复一个区域，其中若存在单一低方差线性模型则被良好设定；在真实世界医学数据集上的实验证实其能发现局部线性模型性能更优的区域。我们的实验还表明，DDGroup可揭示出简单对整个数据集应用参数化方法所遗漏的具有定性不同关系的子组。
引用
@article{arxiv.2305.00195,
title = {Data-Driven Subgroup Identification for Linear Regression},
author = {Zachary Izzo and Ruishan Liu and James Zou},
journal= {arXiv preprint arXiv:2305.00195},
year = {2023}
}
备注
Accepted at ICML 2023