期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于DeepSurv和IML的上市公司财务危机预警研究
1
作者
栾一瑞
朱宗元
《浙江金融》
2024年第2期40-53,共14页
本文基于2019~2022年首次被ST的公司及其配对样本建立DeepSurv模型对上市公司财务危机预警展开研究,相较于主流的SVM和BP神经网络模型表现更优。为提高机器学习模型“黑箱”操作的可解释性,使用可解释机器学习从整体和局部两方面解读Dee...
本文基于2019~2022年首次被ST的公司及其配对样本建立DeepSurv模型对上市公司财务危机预警展开研究,相较于主流的SVM和BP神经网络模型表现更优。为提高机器学习模型“黑箱”操作的可解释性,使用可解释机器学习从整体和局部两方面解读DeepSurv模型。研究表明:(1)公司应重点关注企业价值、负债、非财务表现和流动资产四个方面;(2)Gscore与有形资产负债率、ROIC与权益乘数、综合杠杆与Gscore、权益乘数与有形资产负债率之间存在交互效应。
展开更多
关键词
deepsurv
财务危机预警
可解释机器学习
下载PDF
职称材料
基于Deepsurv模型预测非转移性前列腺癌患者的生存率
2
作者
徐方笛
范晓东
《医学信息》
2024年第8期52-55,共4页
目的建立Deepsurv深度神经网络模型与Cox比例风险回归模型并比较两种模型对非转移性前列腺癌症患者生存时间的预测性能。方法从SEER数据库中选择2014-2018年确定诊断为非转移性前列腺癌的男性患者,将患者数据集按照8∶2划分为训练集和...
目的建立Deepsurv深度神经网络模型与Cox比例风险回归模型并比较两种模型对非转移性前列腺癌症患者生存时间的预测性能。方法从SEER数据库中选择2014-2018年确定诊断为非转移性前列腺癌的男性患者,将患者数据集按照8∶2划分为训练集和测试集,构建Deepsurv深度神经网络模型的基本结构。利用随机超参数优化搜索算法获得预定义范围内的最优网络超参数,建立模型后在训练集上训练,并在测试集上测试。通过一致性指数(C-index)、ROC曲线下面积(AUC)和Brier分数(Brier Score)比较Deepsurv深度神经网络模型和Cox比例风险回归模型对非转移性前列腺癌症患者1、3年生存情况的预测性能。结果建立了以患者年龄、前列腺特异性抗原(PSA)水平、前列腺癌组织恶性程度(Gleason分级)、肿瘤分期(T分期)和活检核心阳性总数为预后因素的预测模型。Deepsurv深度神经网络模型的C-index为0.713,高于Cox比例风险回归模型的0.654;Deepsurv深度神经网络模型预测患者1、3年生存率的Brier Score为0.312、0.229,低于Cox比例风险回归模型的0.356、0.241;ROC曲线显示,Deepsurv深度神经网络模型预测患者1、3年生存率的AUC为0.680、0.652,高于Cox比例风险回归模型的0.631、0.649。结论Deepsurv深度神经网络模型在预测非转移性前列腺癌患者的生存方面的表现优于传统的Cox比例风险回归模型。
展开更多
关键词
deepsurv
深度神经网络模型
非转移性前列腺癌
生存预测
下载PDF
职称材料
机器学习法在生存分析中的应用研究
3
作者
刘玥
刘启玲
+2 位作者
苏海霞
杨鹏(综述)
张玉海(审校)
《预防医学》
2024年第6期496-500,505,共6页
生存分析广泛应用于医学研究领域,Cox比例风险模型是最常用的生存分析模型之一,但实际应用受到限制。机器学习法在非线性数据处理和预测准确度方面能够弥补Cox比例风险模型的不足。本文对以神经网络为代表的机器学习法在生存分析领域的...
生存分析广泛应用于医学研究领域,Cox比例风险模型是最常用的生存分析模型之一,但实际应用受到限制。机器学习法在非线性数据处理和预测准确度方面能够弥补Cox比例风险模型的不足。本文对以神经网络为代表的机器学习法在生存分析领域的研究进展进行综述,重点介绍DeepSurv、Deep-Hit和随机生存森林3种机器学习生存分析模型的原理和优势,为复杂生存资料的分析提供方法学参考。
展开更多
关键词
生存分析
机器学习
deepsurv
Deep-Hit
随机生存森林
原文传递
题名
基于DeepSurv和IML的上市公司财务危机预警研究
1
作者
栾一瑞
朱宗元
机构
浙江财经大学数据科学学院
出处
《浙江金融》
2024年第2期40-53,共14页
基金
杭州市哲学社会科学项目(编号:Z23JC039)、国家社会科学基金(编号:21BTJ032)。
文摘
本文基于2019~2022年首次被ST的公司及其配对样本建立DeepSurv模型对上市公司财务危机预警展开研究,相较于主流的SVM和BP神经网络模型表现更优。为提高机器学习模型“黑箱”操作的可解释性,使用可解释机器学习从整体和局部两方面解读DeepSurv模型。研究表明:(1)公司应重点关注企业价值、负债、非财务表现和流动资产四个方面;(2)Gscore与有形资产负债率、ROIC与权益乘数、综合杠杆与Gscore、权益乘数与有形资产负债率之间存在交互效应。
关键词
deepsurv
财务危机预警
可解释机器学习
Keywords
Deep Surv
Early Warning of Financial Crisis
Interpretable Machine Learning
分类号
F830.9 [经济管理—金融学]
F275 [经济管理—企业管理]
下载PDF
职称材料
题名
基于Deepsurv模型预测非转移性前列腺癌患者的生存率
2
作者
徐方笛
范晓东
机构
吉林化工学院信息与控制工程学院
吉林化工学院理学院
出处
《医学信息》
2024年第8期52-55,共4页
文摘
目的建立Deepsurv深度神经网络模型与Cox比例风险回归模型并比较两种模型对非转移性前列腺癌症患者生存时间的预测性能。方法从SEER数据库中选择2014-2018年确定诊断为非转移性前列腺癌的男性患者,将患者数据集按照8∶2划分为训练集和测试集,构建Deepsurv深度神经网络模型的基本结构。利用随机超参数优化搜索算法获得预定义范围内的最优网络超参数,建立模型后在训练集上训练,并在测试集上测试。通过一致性指数(C-index)、ROC曲线下面积(AUC)和Brier分数(Brier Score)比较Deepsurv深度神经网络模型和Cox比例风险回归模型对非转移性前列腺癌症患者1、3年生存情况的预测性能。结果建立了以患者年龄、前列腺特异性抗原(PSA)水平、前列腺癌组织恶性程度(Gleason分级)、肿瘤分期(T分期)和活检核心阳性总数为预后因素的预测模型。Deepsurv深度神经网络模型的C-index为0.713,高于Cox比例风险回归模型的0.654;Deepsurv深度神经网络模型预测患者1、3年生存率的Brier Score为0.312、0.229,低于Cox比例风险回归模型的0.356、0.241;ROC曲线显示,Deepsurv深度神经网络模型预测患者1、3年生存率的AUC为0.680、0.652,高于Cox比例风险回归模型的0.631、0.649。结论Deepsurv深度神经网络模型在预测非转移性前列腺癌患者的生存方面的表现优于传统的Cox比例风险回归模型。
关键词
deepsurv
深度神经网络模型
非转移性前列腺癌
生存预测
Keywords
deepsurv
deep neural network model
Non-metastatic prostate cancer
Survival prediction
分类号
R737.25 [医药卫生—肿瘤]
下载PDF
职称材料
题名
机器学习法在生存分析中的应用研究
3
作者
刘玥
刘启玲
苏海霞
杨鹏(综述)
张玉海(审校)
机构
陕西中医药大学公共卫生学院
出处
《预防医学》
2024年第6期496-500,505,共6页
基金
国家自然科学基金项目(82073662)。
文摘
生存分析广泛应用于医学研究领域,Cox比例风险模型是最常用的生存分析模型之一,但实际应用受到限制。机器学习法在非线性数据处理和预测准确度方面能够弥补Cox比例风险模型的不足。本文对以神经网络为代表的机器学习法在生存分析领域的研究进展进行综述,重点介绍DeepSurv、Deep-Hit和随机生存森林3种机器学习生存分析模型的原理和优势,为复杂生存资料的分析提供方法学参考。
关键词
生存分析
机器学习
deepsurv
Deep-Hit
随机生存森林
Keywords
survival analysis
machine learning
deepsurv
Deep-Hit
random survival forest
分类号
R181.1 [医药卫生—流行病学]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于DeepSurv和IML的上市公司财务危机预警研究
栾一瑞
朱宗元
《浙江金融》
2024
0
下载PDF
职称材料
2
基于Deepsurv模型预测非转移性前列腺癌患者的生存率
徐方笛
范晓东
《医学信息》
2024
0
下载PDF
职称材料
3
机器学习法在生存分析中的应用研究
刘玥
刘启玲
苏海霞
杨鹏(综述)
张玉海(审校)
《预防医学》
2024
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部