Resumen

Se propone un nuevo método de regularización de disparo adaptativo para la selección de variables basado en el modelo de riesgos proporcionales de Cox. Este algoritmo de disparo adaptativo se puede obtener fácilmente mediante la optimización de una serie iterativa de penalizaciones reajustadas y una estrategia de penalización por disparo. Los resultados de simulación basados en datos artificiales de alta dimensionalidad muestran que el método de regularización de disparo adaptativo puede ser más preciso para la selección de variables que los métodos Lasso y Lasso adaptativo. Los resultados del conjunto de datos de expresión génica real (DLBCL) también indican que el método de regularización tiene un rendimiento competitivo.

• Materias:Robots Cuidados pediátricos Experimentos numéricos Radares Factores psicológicos
• Subjects:Robot Pediatric care Numerical experiments Radars Psychological factors
• Palabras claves:Tiro adaptativo; Método de regularización; Selección de variables; Modelo de riesgos proporcionales de Cox; Lasso; Conjunto de datos de expresión génica
• Keywords:Adaptive shooting; Regularization method; Variable selection; Coxs proportional hazards model; Lasso; Gene expression dataset