تحلیل بقا با استفاده از رگرسیون درختی جمعی بیزی

مدل های درختی یک روش جدید و ابتکاری را برای تحلیل مجموعه داده های بزرگ به وسیله تقسیم بندی فضای پیش بینی کننده ها به نواحی ساده تر به نمایش می گذارند. مدل رگرسیونی درختی جمعی بیزی، مدلی که در این مقاله به معرفی و توضیح آن می پردازیم، در ساختار خود از مدل جمع درختان استفاده می کند، زیرا ترکیب چند درخت از درخت تنها دقت بالاتری دارد. پس این مدل مبتنی بر درخت و جزء مدل های ناپارامتری است و در واقع تعمیمی از روش های رده بندی و رگرسیون درختی است، که در ساختار این روش ها درخت تصمیم وجود دارد. این روش ها تحلیلی قدرتمند برای کشف ساختار داده ها هستند و کاربرد آنها در علوم پزشکی بسیار وسیع است. در این روش، روی پارامترهای مدل جمع درختان پیشین هایی در نظر گرفته می شود و سپس با استفاده از الگوریتم های کمکی به تحلیل می پردازد. در این مقاله ابتدا مختصراً مدل رگرسیونی درختی جمعی بیزی را معرفی کرده و سپس کاربرد آن را در تحلیل بقا با بررسی داده های مربوط به بیماران سرطان ریه بیان می کنیم.

Survival Analysis using Bayesian Additive RegressionTrees

Tree models represent a new and innovative way of analyzing large data sets by dividing predictor space into simpler areas . Bayesian Additive Regression Trees model , a model that we explain in this article , uses a totality of trees in its structure , since the combination of several trees from a tree only has a higher accuracy . Then , this model is a treebased model and a nonparametric model that uses general aggregation methods , and boosting algorithms in particular and in fact is extension of the classification and Regression Tree methods in which the decision tree exists in the structure of these methods . In this method , on the parameters of the model sum of tree and put regular prior then use the boosting algorithms for analysis . In this paper , first the Bayesian Additive Regression Trees model is introduced and then applied in survival analysis of lung cancer patients .