具有时间依赖协变量的增强非参数风险
摘要：基于时间依赖协变量的生存过程的功能数据，我们导出了非参数对数似然功能的平滑凸表示，并获得了其功能梯度。基于此，我们设计了一种通用的梯度提升过程，用于非参数地估计危险函数。本文描述了使用回归树的过程的示例实施，以展示如何恢复未知的危险。如果模型正确，通用估计器是一致的; 或者，可以证明基于树的模型的Oracle不等式。为了避免过拟合，提升采用了几个正则化设备之一。其中之一是步长限制，但是从一致性的角度来看，这个理论基础有些神秘。我们的工作通过揭示步长限制是防止风险的曲率使收敛失去轨道的机制，从而带来了一些清晰度。
作者：Donald K.K. Lee, Ningyuan Chen, Hemant Ishwaran
论文ID：1701.07926
分类：Machine Learning
分类简称：stat.ML
提交时间：2021-10-07