In statistics, time-to-event analysis methods traditionally focus on the estimation of hazards. In recent years, machine learning methods have been proposed to directly predict the event times. We propose a method based on vine copula models to make point and interval predictions for a right-censored response variable given mixed discrete-continuous explanatory variables. Extensive experiments on simulated and real datasets show that our proposed vine copula approach provides a decent approximation to other time-to-event analysis models including Cox proportional hazards and Accelerate Failure Time models. When the Cox proportional hazards or Accelerate Failure Time assumptions do not hold, predictions based on vine copulas can significantly outperform other models, depending on the shape of the conditional quantile functions. This shows the flexibility of our proposed vine copula approach for general time-to-event datasets.


翻译:在统计中,时间对活动的分析方法传统上侧重于灾害的估计。近年来,提出了直接预测事件时间的机器学习方法。我们提议了一种基于葡萄干模型的方法,以根据分辨和间隔预测右审查反应变量,因为有多种离散和连续的解释变量。关于模拟和真实数据集的广泛实验表明,我们提议的葡萄干方法为其他时间对活动分析模型提供了体面的近似,包括Cox成比例的危险和加速故障时间模型。当Cox成比例的危险或加速故障时间假设不起作用时,以葡萄干草为基础的预测可以大大超过其他模型,视有条件的孔函数的形状而定。这显示了我们提议的葡萄干对一般时间对活动数据集的灵活性。

0
下载
关闭预览

相关内容

官方網站: https://vine.co
深度学习理论,55页ppt,Preetum Nakkiran (UCSD)
专知会员服务
32+阅读 · 2021年10月27日
专知会员服务
50+阅读 · 2020年12月14日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
计算机 | EMNLP 2019等国际会议信息6条
Call4Papers
18+阅读 · 2019年4月26日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
自然语言处理顶会EMNLP2018接受论文列表!
专知
87+阅读 · 2018年8月26日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Arxiv
14+阅读 · 2019年9月11日
VIP会员
相关VIP内容
相关资讯
Top
微信扫码咨询专知VIP会员