定制贝叶斯：一种非均衡误分类代价下的风险建模框架
统计方法学
2021-10-18 v3 应用统计
摘要
风险预测模型是医疗保健中的关键工具。具有二分类结果（即二分类模型）的风险预测模型通常使用假设不同分类错误代价相等的方法构建。在许多医疗应用中这一假设并不成立，且误分类代价之间的差异可能相当大。例如，在诊断场景中，将患有危及生命的疾病的人误诊断为健康者的代价可能大于将健康人误诊断为患者的代价。在这项工作中，我们提出定制贝叶斯（Tailored Bayes, TB），一种新颖的贝叶斯推断框架，它“定制”模型拟合以针对非均衡误分类代价优化预测性能。我们使用模拟研究展示在逻辑回归背景下 TB 预期优于标准贝叶斯方法的情况。随后我们将 TB 应用于三个真实世界应用：心脏手术、乳腺癌预后任务和乳腺癌肿瘤分类任务，并展示了相较标准方法在预测性能上的提升。
引用
@article{arxiv.2104.01822,
title = {Tailored Bayes: a risk modelling framework under unequal misclassification costs},
author = {Solon Karapanagiotis and Umberto Benedetto and Sach Mukherjee and Paul D. W. Kirk and Paul J. Newcombe},
journal= {arXiv preprint arXiv:2104.01822},
year = {2021}
}