Machine learning methods for survival data
Sağkalım verileri için makine öğrenmesi yöntemleri
- Tez No: 690203
- Danışmanlar: DOÇ. DR. İDİL YAVUZ
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Cox regresyon modeli, Sağkalım analizi, Cox regression model, Survival analysis
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sağkalım analizi birçok alanda kullanılan istatistiksel bir yaklaşım yöntemidir. Bu yöntemi diğer analiz yöntemlerinden ayıran en önemli özellik sansürlü gözlemlerin mevcut olduğu durumlarda kullanılabilmesidir. Literatürde sağkalım analizi geleneksel sağkalım analizi methodları ve makine öğrenmesi tabanlı sağkalım analizi methodları olarak ikiye ayrılmıştır. Artan veri ve değişken sayısı, sansürlü gözlemlerin varlığı ve geleneksel yöntemlerin bazı varsayımlar gerektirmesi durumları sağkalım verilerinin geleneksel yöntemler ile analiz edilmesini zorlaştırmaktadır. Bu durumla baş edebilmek için sağkalım verilerine özgü makine öğrenmesi yöntemleri kullanılmaktadır. Bu tezde Kaplan Meier, Log rank testi ve Cox regresyon gibi geleneksel sağkalım analizi yöntemleri tanıtılmakta ve makine öğrenme tabanlı sağkalım ağaçları ve rassal sağkalım ormanları çalışılmıştır. Uygulamada rassal sağkalım ormanları ve Cox regresyon modellerinin uyum istatistikleri, farklı sansür oranlarının test edildiği simülasyon sonucu elde edilen veriler ve gerçek veriler kullanılarak elde edilmiştir. Gerektiğinde sağkalım eğrileri ve değişken önem metrikleri için uygun grafiksel gösterimler verilmiştir. Bu tezde verilen örneklerde gösterildiği gibi, geleneksel yaklaşımlar, varsayımlar karşılandığında ve istatistiksel güç yüksek olduğunda avantajlıdır, ancak sansürleme yüksek olduğunda ve varsayımlar karşılanmadığında makine öğrenimi tabanlı yöntemler daha iyi çalışır.
Özet (Çeviri)
Survival analysis is a the statistical approach methods used in many fields. The key feature that distinguishes this method from other analysis methods is that it can be used when censored observations are present. In the literature, survival analysis can be categorized as traditional survival analysis methods and machine learning based survival analysis methods. The increasing number of data and variables, the existence of censored observations and the fact that traditional methods require some assumptions make it difficult to analyze survival data with traditional methods. In order to cope with this situation, machine learning methods specific to survival data are used. In this thesis, the traditional survival analysis methods such as the Kaplan Meier, Log rank test and the Cox regression are introduced and machine learning based Survival trees, and Random Survival Forests are studied. In application concordance statistics of Random Survival Forests and Cox regression models were obtained by using both real and simulated data in which different censoring rates were tested. Propher graphical representations were given for the survival curves and variable importance metrics when necessary. As demonstrated by the examples provided in this thesis the traditional approaches are adventageous when assumptions are met and statistical power is high however machine learning based methods work better when censoring is high an assumptions are not satisfied.
Benzer Tezler
- Sağdan sansürlü sağkalım analizinde makine öğrenmesinde sınıflandırma algoritmaların kullanımı
Using of classification algorithms in machine learning for right censored survival analysis
PELİN AKIN
Doktora
Türkçe
2020
İstatistikOndokuz Mayıs Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. YÜKSEL TERZİ
- Forecasting wind turbine failures and associated costs investigating failure causes, effects and criticalities,modeling reliability and predicting time-to-failure, time-to-repair and cost of failures for wind turbines using reliability methods and machine learning techniques
Rüzgar türbini arizalarinin ve i̇lgili maliyetlerin tahmini: Ariza nedenlerinin, etkilerinin ve kritik unsurlarinin i̇ncelenmesi, güvenilirlik modellemesi ve rüzgar türbinleri için ariza zamani, onarim zamani ve ariza maliyetlerinin güvenilirlik yöntemleri ve makine öğrenmesi teknikleri kullanilarak tahmin edilmesi
SAMET ÖZTÜRK
Doktora
İngilizce
2019
Makine MühendisliğiColumbıa UnıversıtyÇevre Bilimleri Ana Bilim Dalı
PROF. DR. VASILIS FTHENAKIS
- Uzun süreli verilerin analizinde kullanılan makine öğrenmesi algoritmaları
Machine learning algorithms for longitudinal data analysis
CAN DEMİRCİGİL
Yüksek Lisans
Türkçe
2024
İstatistikHacettepe Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. MELİKE BAHÇECİTAPAR
- Makine öğrenimi yöntemleri ile sağkalım analizi
Survival analysis with machine learning methods
AKIN ÇAĞATAY ÇALIŞKAN
Yüksek Lisans
Türkçe
2024
İstatistikDokuz Eylül Üniversitesiİstatistik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE ÖVGÜ KINAY
- Sağkalım veri modellenmesi: Makine öğrenmesi yaklaşımları
Survival data modeling: machine learning approaches
TUĞBA DEMİRCİOĞLU