基于深度神经网络与 H-似然的半参数脆弱模型
机器学习
2023-07-14 v1 机器学习
统计方法学
摘要
针对聚类生存时间数据的预测，我们提出一种基于深度神经网络的伽马脆弱模型（DNN-FM）。所提模型的一个优势是，新 h-似然的联合最大化可为固定参数提供最大似然估计量，并为随机脆弱性提供最佳无偏预测。因此，所提 DNN-FM 通过用作损失函数的负剖面 h-似然进行训练，该损失函数由剖面化非参数基线风险构造。实验研究表明，所提方法提升了现有方法的预测性能。真实数据分析表明，纳入受试者特定脆弱性有助于改进基于 DNN 的 Cox 模型（DNN-Cox）的预测。
引用
@article{arxiv.2307.06581,
title = {Deep Neural Networks for Semiparametric Frailty Models via H-likelihood},
author = {Hangbin Lee and IL DO HA and Youngjo Lee},
journal= {arXiv preprint arXiv:2307.06581},
year = {2023}
}