Generating Survival Interpretable Trajectories and Data

要約

特定の構造のオートエンコーダの適用に基づいて生存軌跡とデータを生成するための新しいモデルが提案されています。
3 つのタスクを解決します。
まず、Beran 推定量に基づいて、新しく生成された特徴ベクトルの予想イベント時間と生存関数の形式で予測を提供します。
次に、モデルは、元のデータセットを補足する特定のトレーニング セットに基づいて追加データを生成します。
3 番目に最も重要なことは、オブジェクトのプロトタイプの時間依存軌道を生成します。これは、イベントまでの異なる時間を達成するためにオブジェクトの特徴がどのように変更されるかを特徴づけます。
この軌跡は、反事実的な説明の一種とみなすことができます。
提案されたモデルは、変分オートエンコーダーに組み込まれた特定の重み付けスキームにより、トレーニング中および推論中に堅牢です。
このモデルは、分類タスクを解決することによって、新しく生成されたデータの打ち切り指標も決定します。
この論文では、合成データセットと実際のデータセットに対する数値実験を使用して、提案されたモデルの効率と特性を実証します。
提案されたモデルを実装するアルゴリズムのコードは公開されています。

要約(オリジナル)

A new model for generating survival trajectories and data based on applying an autoencoder of a specific structure is proposed. It solves three tasks. First, it provides predictions in the form of the expected event time and the survival function for a new generated feature vector on the basis of the Beran estimator. Second, the model generates additional data based on a given training set that would supplement the original dataset. Third, the most important, it generates a prototype time-dependent trajectory for an object, which characterizes how features of the object could be changed to achieve a different time to an event. The trajectory can be viewed as a type of the counterfactual explanation. The proposed model is robust during training and inference due to a specific weighting scheme incorporating into the variational autoencoder. The model also determines the censored indicators of new generated data by solving a classification task. The paper demonstrates the efficiency and properties of the proposed model using numerical experiments on synthetic and real datasets. The code of the algorithm implementing the proposed model is publicly available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google