TabSurv adatta le reti neurali tabulari per l'analisi di sopravvivenza
TabSurv è un nuovo approccio che adatta le moderne architetture di reti neurali tabulari all'analisi di sopravvivenza, utilizzando la distribuzione di Weibull o la previsione di sopravvivenza non parametrica. Introduce SurvHL, una nuova funzione di perdita basata su istogrammi progettata per gestire dati censurati. Il metodo include ensemble profondi di MLP addestrati in parallelo, ottimizzando i parametri della distribuzione di sopravvivenza prima di fare la media per promuovere la diversità. La valutazione empirica su 10 diversi dataset reali di sopravvivenza dimostra la sua efficacia.
Fatti principali
- TabSurv adatta le moderne architetture tabulari all'analisi di sopravvivenza.
- Utilizza la distribuzione di Weibull o la previsione di sopravvivenza non parametrica.
- Ottimizza SurvHL, una nuova funzione di perdita basata su istogrammi che supporta dati censurati.
- Include ensemble profondi di MLP per l'analisi di sopravvivenza.
- I componenti dell'ensemble sono addestrati in parallelo.
- Ottimizza i parametri della distribuzione di sopravvivenza prima di fare la media.
- Promuove la diversità tra le previsioni dei componenti dell'ensemble.
- Valutato su 10 diversi dataset reali di sopravvivenza.
Entità
Istituzioni
- arXiv