个性化医学预测中的调谐参数校准
应用统计
2019-10-03 v3 统计计算
统计方法学
机器学习
摘要
个性化医学已成为医学的重要组成部分，例如基于基因组信息预测个体药物反应。然而，许多现有统计方法并未针对此任务定制，因为它们忽视了患者的个体异质性。本文从线性回归角度审视个性化医学。我们引入了岭估计量的一个替代版本，并通过建立最小化个体患者预测误差的调谐参数校准方案来靶向个体。截然不同的是，交叉验证等经典方案仅在平均意义上最小化预测误差。我们证明了我们的流程在oracle不等式意义下是最优的、快速的，并且在模拟与真实数据上均高度有效。
引用
@article{arxiv.1909.10635,
title = {Tuning parameter calibration for prediction in personalized medicine},
author = {Shih-Ting Huang and Yannick Düren and Kristoffer H. Hellton and Johannes Lederer},
journal= {arXiv preprint arXiv:1909.10635},
year = {2019}
}