右删失下分位数回归的深度学习：DeepQuantreg
机器学习
2021-04-13 v2 机器学习
应用统计
摘要
神经网络的的计算预测算法，或称深度学习，近来在统计学以及图像识别与自然语言处理中备受关注。特别是在删失生存数据的统计应用中，用于优化的损失函数主要基于 Cox 模型及其变体的偏似然，以利用现有的神经网络库（如构建于开源库 TensorFlow 之上的 Keras）。本文提出一种神经网络在右删失生存数据分位数回归中的新颖应用，其在检验函数中通过估计的删失分布逆概率进行调整。本工作的主要目的是表明，与传统的线性分位数回归和带全变分正则化的非参数分位数回归等现有分位数回归方法相比，深度学习方法足够灵活，能够更准确地预测非线性模式，强调该方法对删失生存数据的实用性。我们进行了模拟研究以生成非线性删失生存数据，并从预测精度方面将深度学习方法与现有分位数回归方法进行比较。所提方法用两个公开的带有基因特征的乳腺癌数据集进行了说明。该方法已构建为软件包，可在 \url{https://github.com/yicjia/DeepQuantreg} 免费获取。
引用
@article{arxiv.2007.07056,
title = {Deep Learning for Quantile Regression under Right Censoring: DeepQuantreg},
author = {Yichen Jia and Jong-Hyeon Jeong},
journal= {arXiv preprint arXiv:2007.07056},
year = {2021}
}