DeepSurv
A DeepSurv egy mély neurális hálózati megközelítés a túlélésanalízishez, amely személyre szabott túlélési eloszlásokat tanul közvetlenül az adatokból. A Katzman et al. által 2018-ban bevezetett modell a Cox-proporcionális veszélyek modelljét bővíti ki mélytanulással, hogy megragadja a kovariánsok és a túlélési kimenetelek közötti komplex, nemlineáris kapcsolatokat. Megoldja a heterogén kezelési hatások és az idő-esemény predikciók modellezésének problémáját magas dimenziós környezetekben.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Faraggi, D., & Simon, R. (1995). A neural network model for survival data. Statistics in Medicine, 14(1), 73–82. DOI: 10.1002/sim.4780140108 ↗
- Katzman, J. L., et al. (2018). DeepSurv: Personalized treatment recommender system using a Cox proportional hazards deep neural network. Journal of Machine Learning Research, 40, 40–51. DOI: 10.1186/s12874-018-0482-1 ↗
- Lee, C., Zame, W., Yoon, J., & van der Schaar, M. (2018). Deephit: A deep learning approach for dynamic survival analysis. AAAI Conference on Artificial Intelligence, 32(1). link ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Deep Learning for Survival Analysis. ScholarGate. https://scholargate.app/hu/survival/deepsurv
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Gyorsított Időfaktor (AFT) modellTúléléselemzés↔ compare
- Cox-féle proporcionális kockázati regresszióTúléléselemzés↔ compare
- Weibull-féle parametrikus túlélési regresszióTúléléselemzés↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →