文献

J-GLOBAL ID：201902284170861414   整理番号：19A1201891

HitBoost 多出力勾配ブースティング決定木法による生存解析【JST・京大機械翻訳】

HitBoost: Survival Analysis via a Multi-Output Gradient Boosting Decision Tree Method

著者 (3件)： Liu Pei (Big Data Research Center, and School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Fu Bo (Big Data Research Center, and School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Yang Simon X. (Advanced Robotics and Intelligent Systems (ARIS) Laboratory, School of Engineering, University of Guelph, Guelph, ON, Canada)
資料名： IEEE Access  (IEEE Access)
巻： 7  ページ： 56785-56795  発行年： 2019年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 健康管理や財政のような多くの地域における生存分析は,主に関心のある事象に対する時間の確率を研究する。生存予測モデルを構築する様々な方法の中で,機械学習技術と組み合わせた方法のクラスは,ハザード関数に関する仮定を作り,一方,他のクラスの方法は,複雑なニューラルネットワークを直接利用し,ハザード関数の潜在的表現を学習する。従来の生存予測モデルに対して,ハザード関数に関する仮定は,それらの性能をいくつかの拡張に制限する。同様に,複雑なニューラルネットワークによって構築された先進的な生存予測モデルも,実際の応用においてかなり劣った解釈を受けている。これらの問題を解決するために,本論文では,最初のヒット時間(FHT)の確率分布を予測するために,新しい生存解析法を提案した。基礎となる確率過程についての仮定を行う代わりに,提案したHilbertブーストは,静的共変量と基礎となる確率過程の間の接続を暗黙的に捉えるために,多出力勾配ブースティング決定木を採用した。さらにまた,ツリーブースティングのプロセスにおいて,関連した統計は,特性重要性を効果的に測定するために活用することができた。ベンチマークに関する評価と事例研究の結果は,古典的方法と比較して,提案したHitブーストが予測性能とリスク識別において優れていることを示した。したがって,ヒボostは生存予測モデルを構築するための効果的な方法として利用することができるか,または原因特異的な失敗に対する重要な因子を見出すことができる。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ベンチマーク ,  *ディシジョンツリー ,  確率過程 ,  ニューラルネットワーク ,  予測モデル ,  事例研究 ,  健康管理 ,  確率分布
準シソーラス用語： 予測性能 ,  共変量 ,  ハザード関数 ,  機械学習技術 ,  *生存率分析 ,  *ブースティング , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 勾配ブースティング ,  決定木 ,  生存解析