基于多元高斯卷积过程的联合模型变分推断
机器学习
2023-07-04 v1 机器学习
摘要
我们提出了一种基于纵向数据与时间事件数据联合建模的非参数预后框架，用于个体化事件预测。我们的方法利用多元高斯卷积过程（MGCP）对纵向信号的演化进行建模，并利用Cox模型将时间事件数据与通过MGCP建模的纵向数据相映射。借助卷积过程所赋予的独特结构，我们提供了变分推断框架来同时估计联合MGCP-Cox模型中的参数。这显著降低了计算复杂度并防止了模型过拟合。在合成与真实世界数据上的实验表明，所提框架优于基于两阶段推断和强参数假设的现有最优方法。
引用
@article{arxiv.1903.03867,
title = {Variational Inference of Joint Models using Multivariate Gaussian Convolution Processes},
author = {Xubo Yue and Raed Kontar},
journal= {arXiv preprint arXiv:1903.03867},
year = {2023}
}