深度促进时间治愈模型
机器学习
2024-11-11 v1 机器学习
摘要
我们提出了一种基于集成于深度神经网络框架中的灵活生存模型、在存在治愈比例时预测事件发生时间的新方法。我们的方法允许协变量与生存之间呈现非线性关系和高维交互作用，并适用于大规模应用。此外，我们使该方法能够纳入一个由可解释的线性与非线性效应加性分解构成的已识别预测变量，并添加一个正交化层以捕获潜在的高维交互作用。我们通过仿真验证了方法的实用性与计算效率，并将其应用于美国抵押贷款的大规模组合。在此，我们发现我们的框架不仅具有更好的预测性能，而且给出了更真实的协变量效应图景。
引用
@article{arxiv.2305.11575,
title = {The Deep Promotion Time Cure Model},
author = {Victor Medina-Olivares and Stefan Lessmann and Nadja Klein},
journal= {arXiv preprint arXiv:2305.11575},
year = {2024}
}