Core Concepts
DynForestは、時間固定および時間依存性の予測因子を用いて、連続、カテゴリカル、または生存時間アウトカムを予測するためのランダムフォレスト手法を実装している。時間依存性の予測因子は、アウトカムプロセスに影響を受ける内生的なものや、測定誤差を含むものなどを扱うことができる。
Abstract
本論文では、DynForestパッケージの使用方法を段階的な例を用いて説明している。
DynForestは、時間固定および時間依存性の予測因子を用いて、連続、カテゴリカル、または生存時間アウトカムを予測するためのランダムフォレスト手法を実装している。時間依存性の予測因子は、アウトカムプロセスに影響を受ける内生的なものや、測定誤差を含むものなどを扱うことができる。
ツリー構築の各ステップで、時間依存性の予測因子は柔軟な線形混合モデルを用いて個人特性の特徴量に要約される。これにより、時間依存性の予測因子を含むデータに対してもランダムフォレストを適用できる。
出力には、連続アウトカムの平均、カテゴリカルアウトカムの多数決カテゴリ、生存アウトカムの累積発生率関数が含まれる。また、変数重要度や最小深度も算出され、最も予測力の高い変数や変数群を特定できる。
Stats
時間依存性予測因子の測定誤差や内生性を考慮することで、より正確な予測が可能となる。
時間依存性予測因子を個人特性の特徴量に要約することで、ランダムフォレストを適用できる。
変数重要度や最小深度の算出により、最も予測力の高い変数や変数群を特定できる。
Quotes
"DynForestは、時間固定および時間依存性の予測因子を用いて、連続、カテゴリカル、または生存時間アウトカムを予測するためのランダムフォレスト手法を実装している。"
"時間依存性の予測因子は、アウトカムプロセスに影響を受ける内生的なものや、測定誤差を含むものなどを扱うことができる。"
"ツリー構築の各ステップで、時間依存性の予測因子は柔軟な線形混合モデルを用いて個人特性の特徴量に要約される。"