面向缺失数据的生存学习算法比较
机器学习
2023-03-27 v1 机器学习
摘要
生存分析是研究健康数据的重要工具。此类数据的一个固有组成部分是缺失值的存在。近年来，研究人员提出了基于神经网络的生存任务新学习算法。在此，我们研究了这些算法与不同缺失值处理方法相结合的预测性能，所用模拟数据反映了一种现实情况，即个体属于未观测到的簇。我们考察了不同的缺失数据模式。结果表明，在没有进一步特征工程的情况下，没有任何一种插补方法在所有情况下都优于其他方法。所提出的方法可用于比较其他缺失数据模式和/或生存模型。Python代码可通过 survivalsim 包获取。
引用
@article{arxiv.2303.13590,
title = {Une comparaison des algorithmes d'apprentissage pour la survie avec donn\'ees manquantes},
author = {Paul Dufossé and Sébastien Benzekry},
journal= {arXiv preprint arXiv:2303.13590},
year = {2023}
}
备注
in French language