이 논문은 생존 분석을 위한 새로운 기계 학습 모델인 DyS를 소개한다. 생존 분석은 시간 경과에 따른 사건 발생 확률을 모델링하는 기법으로, 의료 분야에서 환자 위험도 예측에 널리 사용된다. 기존 생존 분석 모델은 정확성 또는 해석 가능성 중 하나만 달성하는 경우가 많았다.
DyS는 일반화 가법 모델(GAM)의 구조를 가지며, 특징 선택 기능을 포함하고 있다. DyS는 순위 확률 점수(RPS) 손실 함수를 사용하여 생존 예측을 직접 최적화하므로, 기존 Cox 비례 위험 모델보다 우수한 식별력을 보인다. 또한 DyS는 특징 중요도와 특징 영향 도표를 통해 해석 가능성을 제공한다.
DyS는 두 단계 학습 접근법을 사용하여 대규모 생존 분석 데이터셋에도 효과적으로 적용될 수 있다. 실험 결과, DyS는 기존 최첨단 생존 분석 모델과 경쟁할 수 있는 성능을 보이면서도 해석 가능성과 확장성을 갖추고 있음을 확인했다.
toiselle kielelle
lähdeaineistosta
arxiv.org
Tärkeimmät oivallukset
by Mike Van Nes... klo arxiv.org 04-24-2024
https://arxiv.org/pdf/2404.14689.pdfSyvällisempiä Kysymyksiä