随机森林与交互树用于估计随机试验中个体化治疗效果
摘要：评估异质性治疗效果已成为推进精准医学的一个重要领域。个体化治疗效果（ITE）在这种努力中发挥着关键作用。关于随机试验收集的实验数据，我们提出了一种称为交互树随机森林（RFIT）的方法，用于基于交互树（Su et al.，2009）估计ITE。为此，我们首先提出了一种平滑的S型替代（SSS）方法，作为贪心搜索的替代方法，以加速树的构建。RFIT在估计ITE方面优于传统的“单独回归”方法。此外，可以使用无限小Jackknife方法获得通过RFIT估计的ITE的标准误差。我们通过模拟和针灸头痛试验数据的分析来评估和说明RFIT的应用。
作者：Xiaogang Su, Annette T. Pe~na, Lei Liu, and Richard A. Levine
论文ID：1709.04862
分类：Machine Learning
分类简称：stat.ML
提交时间：2018-07-23