Optimal Survival Trees: A Dynamic Programming Approach

要約

生存分析では、過去のデータに基づいて死亡時刻や、繰り返されないその他の特異な出来事を調査および予測しますが、場合によっては本当の死亡時刻が不明です。
生存ツリーを使用すると、母集団を再帰的に分割し、各リーフ ノードでの明確な生存分布を予測することにより、人間が理解できるコンパクトなモデルで複雑な非線形関係を発見できます。
動的プログラミングを使用して、最適性が保証された最初のサバイバル ツリー手法を提供し、ヒューリスティックの最適性ギャップの評価を可能にします。
深さ 2 までのツリーを計算するための特別なアルゴリズムを通じて、メソッドのスケーラビリティを向上させます。
実験では、我々の手法の実行時間は、現実的なケースでは一部のヒューリスティックを上回りながらも、最先端の手法で同様のサンプル外パフォーマンスが得られることが示されています。

要約(オリジナル)

Survival analysis studies and predicts the time of death, or other singular unrepeated events, based on historical data, while the true time of death for some instances is unknown. Survival trees enable the discovery of complex nonlinear relations in a compact human comprehensible model, by recursively splitting the population and predicting a distinct survival distribution in each leaf node. We use dynamic programming to provide the first survival tree method with optimality guarantees, enabling the assessment of the optimality gap of heuristics. We improve the scalability of our method through a special algorithm for computing trees up to depth two. The experiments show that our method’s run time even outperforms some heuristics for realistic cases while obtaining similar out-of-sample performance with the state-of-the-art.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google