基于神经网络与 Cox 回归的事件时间预测
机器学习
2019-09-16 v2 机器学习
摘要
通过将 Cox 比例风险模型与神经网络结合，提出了新的事件时间预测方法。基于嵌套病例对照研究的方法论，我们提出了一种能良好扩展到大数据集的损失函数，并支持拟合 Cox 模型的比例与非比例扩展。通过模拟研究，验证了所提损失函数是 Cox 偏对数似然的良好近似。所提方法在真实数据集上与现有方法进行比较，发现其极具竞争力，通常在 Brier 分数与二项对数似然方面取得最佳性能。所提方法的 python 包可在 https://github.com/havakv/pycox 获取。
引用
@article{arxiv.1907.00825,
title = {Time-to-Event Prediction with Neural Networks and Cox Regression},
author = {Håvard Kvamme and Ørnulf Borgan and Ida Scheel},
journal= {arXiv preprint arXiv:1907.00825},
year = {2019}
}