克服依赖性删失在生存模型评估中的问题
机器学习
2025-05-20 v3 人工智能
机器学习
摘要
传统的生存指标，如 Harrell 的 concordance index（CI）和 Brier 分数，依赖于独立删失假设才能在右删失数据上进行有效推断。然而，在存在所谓依赖性删失的情况下，即删失概率与感兴趣的事件相关，这些指标可能会给出底层模型误差的偏倚估计。本文引入了基于阿基米德 copula 的三个新评估指标，用于生存分析，以处理依赖性删失。我们还开发了一个框架，用于生成具有依赖性删失的真实、半合成数据集，以促进这些指标的评估。我们的实验在合成数据和半合成数据上均表明，在依赖性删失下，所提出的指标能够比传统指标更准确地估计模型误差。
引用
@article{arxiv.2502.19460,
title = {Overcoming Dependent Censoring in the Evaluation of Survival Models},
author = {Christian Marius Lillelund and Shi-ang Qi and Russell Greiner},
journal= {arXiv preprint arXiv:2502.19460},
year = {2025}
}