使用 Exclusive Lasso 进行分组变量的时间事件预测
统计方法学
2025-04-03 v1 统计计算
机器学习
摘要
将高维基因组数据和临床数据整合到时间事件预测模型中因数据日益增长而受到广泛关注。传统方法采用 Cox 回归模型，对各种协变量进行线性拼接。鉴于其中大部分数据可能是冗余或不相关的，通过惩罚实现特征选择往往是理想的选择。这些数据值得注意的特征是其组织为不同数据类型的块（如甲基化和临床预测变量），这要求从每个组中选择子集协变量，因为组内相关性很高。为此，我们提出使用 Exclusive Lasso 正则化代替标准 Lasso 惩罚。我们将方法应用于一个真实的癌症数据集，展示其在预测生存率方面优于传统 Cox 回归模型。
引用
@article{arxiv.2504.01520,
title = {Time-to-event prediction for grouped variables using Exclusive Lasso},
author = {Dayasri Ravi and Andreas Groll},
journal= {arXiv preprint arXiv:2504.01520},
year = {2025}
}