文献

J-GLOBAL ID：201802212372096019   整理番号：18A0200168

ランダム生存フォレストを用いた共形予測【Powered by NICT】

Conformal Prediction Using Random Survival Forests

著者 (6件)： Bostroem Henrik ,  Asker Lars ,  Gurung Ram ,  Karlsson Isak ,  Lindgren Tony ,  Papapetrou Panagiotis
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICMLA  ページ： 812-817  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ランダム生存フォレストは生存モデリングへのロバストなアプローチを構成し,すなわち,イベント前または時間の与えられた点で発生するであろう確率を予測した。最も標準的な予測モデルと同様に,予測誤差の保証は,このモデルでは提供されていない,これは代わりに典型的に経験的に評価した。共形予測は最近のフレームワーク,ユーザ指定された信頼レベルによって決定されることをモデル,点予測よりもむしろセットを考慮することにより達成されるものの誤差を可能にしている。,最も一般的な分類と回帰法のいくつかに適用されてきた,フレームワークは生存モデリングに適用した初めての,ランダム生存フォレストによるここにある。この技術は,二つの実世界応用からのデータセットで評価した経験的研究を提示した;運転データを用いたトラックのコンポーネント故障の予測と管理医療データからの心不全患者の生存と治療を予測した。実験結果は誤差レベルは実際にを示した信頼レベルに非常に近く,共形予測フレームワークにより保証として,すなわち,事象または無イベント,各結果を予測するための誤差を別々に制御できることを示した。後者はしかし,あまり有益な予測,すなわち,より大きな予測セットにつながる可能性がある,クラス分布は大きく不均衡。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 予測誤差 ,  モデル ,  予測モデル ,  患者 ,  *予測 ,  故障 ,  心不全 ,  モデリング ,  ロバスト性
準シソーラス用語： 不均衡 ,  運転データ , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： 生存 ,  予測