最近邻与核生存分析:非渐近误差界与强相合速率
机器学习
2022-09-16 v2 机器学习
摘要
我们建立了基于 Kaplan-Meier 的最近邻与核生存概率估计器在特征向量居于度量空间时的首个非渐近误差界。我们的界给出了这些非参数估计器的强相合速率,并且在相差一个对数因子意义下匹配了条件 CDF 估计的已有下界。我们的证明策略也给出了最近邻与核形式的 Nelson-Aalen 累积风险估计器的非渐近保证。我们在四个数据集上对这些方法进行了实验比较。我们发现对于核生存估计器,一个好的核选择是使用随机生存森林学习得到的核。
引用
@article{arxiv.1905.05285,
title = {Nearest Neighbor and Kernel Survival Analysis: Nonasymptotic Error Bounds and Strong Consistency Rates},
author = {George H. Chen},
journal= {arXiv preprint arXiv:1905.05285},
year = {2022}
}
备注
International Conference on Machine Learning (ICML 2019); this draft includes minor corrections