变分深层生存机器：带 censored 结果的生存回归
机器学习
2024-04-25 v1 计算工程、金融与科学
摘要
生存回归旨在预测特定事件（如死亡或故障）发生的时间。现有方法[18]提出了全参数方法，估计以混合形式的单个参数分布来表示生存函数，以处理censoring问题。本文提出新方法，通过更好的聚类生存数据并组合基本分布来预测生存时间。我们提出两种变分自编码器（VAE）变体——离散型与连续型——用于生成输入协变量的隐变量，以实现数据聚类。模型通过联合优化VAE损失与回归损失进行端到端训练。在SUPPORT和FLCHAIN数据集上进行大量实验，表明本方法在聚类效果上显著提升，并与先前方法取得竞争成绩。我们展示了本模型在长期预测中的优势。代码已公开于https://github.com/qinzzz/auton-survival-785。
关键词
引用
@article{arxiv.2404.15595,
title = {Variational Deep Survival Machines: Survival Regression with Censored Outcomes},
author = {Qinxin Wang and Jiayuan Huang and Junhui Li and Jiaming Liu},
journal= {arXiv preprint arXiv:2404.15595},
year = {2024}
}