中心快讯

可解释性的深度学习模型在生存数据上的应用

发布日期:2023-06-09 17:08  点击数:

近年来,深度学习在诸如图像分析、语音识别、自然语言处理等领域已经表现出远超其他统计学习方法的能力,同时,深度学习在生存数据上的应用也取得了成功。然而,深度学习的黑盒问题一直以来都是机器学习领域的一大难题,同时也缺乏数学上的可解释性。

202368日,来自厦门大学经济学院与数据科学系、王亚南经济研究院的钟齐先教授受邀来到欧洲杯竞猜平台临床研究中心并做主题为“Deep Learning for the Partially Linear Cox Model”的学术报告。钟教授长期致力于深度学习、函数型数据分析、生存数据分析和因果推断。该报告基于其与Cleanlab首席科学家Jonas Mueller,加州大学戴维斯分校Jane-Ling Wang教授合作论文,该论文已发表于Annals of Statistics

报告中,钟教授提出基于深度学习的部分线性Cox模型,其中模型的非线性部分使用神经网络实现,以右删失数据为研究对象。该模型不仅具有很大的灵活性,并且可以绕过维数灾难(curse of dimensionality),对于解释所感兴趣的协变量对生存时间的影响具有助益。通过数值模拟和数据分析表明,该方法相较于其他替代方法可以产生更好的估计和更准确的预测。

钟教授的报告引起了线上线下参会者极大兴趣,报告后,钟教授就参会者提问进行了亲切热烈的交流。


上海市黄浦区重庆南路227号科教楼7楼   200025   021-63846590