文献

J-GLOBAL ID：201302222682481444   整理番号：13A1422652

生存時間研究におけるルール・アンサンブル法の開発

Development of Rule Ensemble Method for Survival Data

著者 (3件)： 下川敏雄 (山梨大 大学院医学工学総合研究部) ,  辻光宏 (関西大 総合情報) ,  後藤昌司 (医学統計研究会)
資料名： 応用統計学  (Japanese Journal of Applied Statistics)
巻： 42  号： 2  ページ： 45-63  発行年： 2013年08月30日 
JST資料番号： L2638A  ISSN： 0285-0370  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： がん臨床研究の一つの目標は,背景因子,進行程度,あるいは遺伝子情報などから予後を適切に予測することである。近年,高い予測確度をもつアンサンブル学習法の生存時間研究への拡張が報告されている(Ishwaran et al.,2008;Ridgeway,2007)。しかしながら,これらの方法では,推定されたモデルをブラック・ボックス化するため,予後に対する樹木モデル(基本学習器)の影響を提示できない。本論文では,Friedman and Popescu(2008)を生存時間解析に拡張した生存時間ルール・アンサンブル法を提案した。生存時間ルール・アンサンブル法は,ルール(基本学習器)の真偽に対するハザード比をElasticNet罰則法により推定された回帰パラメータ(ルール重要度)により提示できる。また,基本学習器に修正線形項を加えることができるため,真のモデルが線形構造をもつ場合にも対処できる。生存時間ルール・アンサンブル法の適用は,文献事例により評価した。性能の評価は,数値検証を通して,既存の生存時間アンサンブル法(生存時間RandomForest法,一般化Boosting法,生存時間Bagging法)と比較した。その結果,生存時間ルール・アンサンブル法は,ルール重要度を通してモデルに影響を与える基本学習器を評価できただけでなく,既存の生存時間アンサンブル学習法に比べて予測確度が向上することが確認できた。(著者抄録)

シソーラス用語： *機械学習 ,  *ルールベース ,  *寿命 ,  精度 ,  リスク ,  *予測技法 ,  腫瘍 ,  臨床医学 ,  モデリング ,  ディシジョンツリー ,  計算機シミュレーション ,  性能評価
準シソーラス用語： アンサンブル学習 ,  生存時間 ,  ハザード比 ,  予測精度 ,  癌 ,  樹木モデル ,  回帰木 ,  ブースティング ,  ランダムフォレスト

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (20件)：

• BREIMAN, L. Random forests. Machine Learning. 2001, 45, 5-32
• BREIMAN, L. Classification and Regression Trees. 1984
• CHEN, X. Random forests for genomic data analysis. Genomics. 2012, 99, 323-329
• COX, D. R. Regression models and life-tables. J. Roy. Statist. Soc. B. 1972, 34, 2, 187-220
• FRIEDMAN, J. H. Greedy function approximation : a gradient boosting machine. Annals of Statistics. 2001, 29, 1189-1232

タイトルに関連する用語 (5件)： 生存 ,  研究 ,  ルール ,  アンサンブル法 ,  開発