Mètodes d'aprenentatge automàtic en l'anàlisi de supervivència

En els darrers anys el camp de l'aprenentatge automàtic ha guanyat molta rellevància i se n'han desenvolupat molts mètodes i aplicacions. En aquest treball presentem alguns mètodes d'aprenentatge automàtic supervisat i les seves adaptacions i adequacions per tractar problemes d'a...

Descripción completa

Detalles Bibliográficos
Autor: Civit Oró, Jordi
Tipo de recurso: tesis de maestría
Fecha de publicación:2024
País:España
Institución:Universitat Politècnica de Catalunya (UPC)
Repositorio:UPCommons. Portal del coneixement obert de la UPC
Idioma:catalán
OAI Identifier:oai:upcommons.upc.edu:2117/416475
Acceso en línea:https://hdl.handle.net/2117/416475
Access Level:acceso abierto
Palabra clave:Machine learning
Artificial intelligence
Aprenentatge automàtic
Model de Cox
Anàlisi de temps fins a un esdeveniment.
Intel·ligència artificial
Classificació AMS::68 Computer science::68T Artificial intelligence
Àrees temàtiques de la UPC::Matemàtiques i estadística
Descripción
Sumario:En els darrers anys el camp de l'aprenentatge automàtic ha guanyat molta rellevància i se n'han desenvolupat molts mètodes i aplicacions. En aquest treball presentem alguns mètodes d'aprenentatge automàtic supervisat i les seves adaptacions i adequacions per tractar problemes d'anàlisi de supervivència. En aquest projecte hem analitzat la capacitat predictiva d'aquests models mitjançant diverses mesures de rendiment predictiu, aplicades a conjunts de dades simulades com a conjunts de dades reals. A més, hem comparat el rendiment d'aquests models respecte al model de riscos proporcionals de Cox. Hem considerat diferents escenaris de simulació, variant la mida mostral, el nombre de variables predictores i la proporció de censura, així com la influència de les variables sobre el temps fins a l'esdeveniment i la proporcionalitat de riscos. En general, els resultats obtinguts indiquen que el model de Cox funciona millor en els escenaris plantejats que els mètodes d'aprenentatge automàtic proposats. D'entre aquests darrers, el mètode que proporciona millors resultats és el d'aprenentatge multitasca, seguit per les xarxes neuronals.