T-SCI：一种针对 Cox-MLP 且具有覆盖保证的两阶段保形推断算法
数据结构与算法
2021-04-15 v2 人工智能
机器学习
机器学习
摘要
处理删失数据具有挑战性，因为我们只能获得生存时间的不完整信息而非其精确值。幸运的是，在线性预测变量假设下，人们可以使用诸如 Cox 回归之类的方法获得生存时间置信带的覆盖保证。然而，当使用神经网络（例如 Cox-MLP (Katzman et al., 2018; Kvamme et al., 2019)）放宽线性假设时，我们失去了覆盖保证。为了在不依赖线性假设的情况下恢复覆盖保证，我们提出了两种基于保形推断的算法。在第一种算法 WCCI 中，我们重新审视加权保形推断，并引入了一种基于偏似然的新非一致性分数。随后我们提出一种两阶段算法 T-SCI，在第一阶段运行 WCCI，并在第二阶段应用分位数保形推断对结果进行校准。理论分析表明，T-SCI 在比 WCCI 更温和的假设下返回覆盖保证。我们在合成数据和真实数据上使用不同方法进行了大量实验，验证了我们分析的正确性。
引用
@article{arxiv.2103.04556,
title = {T-SCI: A Two-Stage Conformal Inference Algorithm with Guaranteed Coverage for Cox-MLP},
author = {Jiaye Teng and Zeren Tan and Yang Yuan},
journal= {arXiv preprint arXiv:2103.04556},
year = {2021}
}