文献

J-GLOBAL ID：202002285923412845   整理番号：20A0852384

生存分析のための機械学習 調査【JST・京大機械翻訳】

Machine Learning for Survival Analysis A Survey

著者 (3件)： Wang Ping (Virginia Tech, Arlington, VA) ,  Li Yan (University of Michigan, Ann Arbor, WA) ,  Reddy Chandan K. (Virginia Tech, Arlington, VA)
資料名： ACM Computing Surveys  (ACM Computing Surveys)
巻： 51  号： 6  ページ： 1-36  発行年： 2019年 
JST資料番号： E0003B  ISSN： 0360-0300  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： 生存解析は,目標が興味のある事象が発生するまでの時間であるデータを解析し,モデル化することを目的とする統計のサブフィールドである。この文脈における主な課題の一つは,イベントの結果がある時点の後に観察できないか,あるいはいくつかの事例が監視期間中にイベントを経験しない場合の存在である。このいわゆる打ち切りは,生存分析技術を用いて最も効果的に扱うことができる。伝統的に,統計的アプローチは,打ち切りの問題を克服するために,文献において広く開発されてきた。さらに,多くの機械学習アルゴリズムが,そのような打ち切りデータを扱うために適応され,実世界データで生じる他の挑戦的問題に取り組んでいる。本調査では,既存の方法の詳細な分類と共に,一般的に使用されている統計的方法と生存解析のために開発された機械学習技術の包括的で構造化されたレビューを提供する。また,生存解析に密接に関連するいくつかの話題を議論し,種々の実世界応用領域におけるいくつかの成功した応用を記述した。本論文は,生存分析における最近の進歩のより包括的な理解を提供し,これらのアプローチを適用するためのいくつかのガイドラインを提供し,打ち切りデータを含む応用において生じる新しい問題を解決することを希望する。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習アルゴリズム ,  *機械学習 ,  統計的方法
準シソーラス用語： 機械学習技術 , 【Automatic Indexing@JST】

著者キーワード (8件)： Coxモデル ,  機械学習 ,  検閲 ,  一致指数 ,  危険率 ,  回帰 ,  生存分析 ,  生存データ

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 生存分析 ,  機械学習 ,  調査