同时估计三个及以上同方差独立正态总体均值时,Stein[1]证明了最大似然估计平方损失下的不可容许性,并同James显式构造了具有精确一致更优风险函数的压缩型估计量.这一惊人发现——维数大于等于3时显式结构精确更优压缩型估计量——激...同时估计三个及以上同方差独立正态总体均值时,Stein[1]证明了最大似然估计平方损失下的不可容许性,并同James显式构造了具有精确一致更优风险函数的压缩型估计量.这一惊人发现——维数大于等于3时显式结构精确更优压缩型估计量——激发了大量后续研究.Statistical Sci-ence期刊2012年组织了一期专刊,“MINIMAX SHRINKAGE ESTIMATION:A TRIBUTE TO CHARLES STEIN”,表达对Stein发现的持续赞美.James和Stein[2]特定变换和Stein引理[3–4]是计算Stein估计量风险函数的两种基本途经.本文基于极坐标变换,对Stein估计量临界维数给出了解释,并提供了其风险函数计算的备用方式.极坐标变换既可以作为已有方法的补充,其本身在使用Stein引理验证绝对可积性时也发挥着重要作用.对异方差正态模型均值参数的同时估计,文献上相对缺乏兼具显式结构和精确更优风险函数的相关研究.本文在Stein原始估计量构成基础上,提出了一类显式估计量,并通过计算和观察其风险函数讨论了各待定系数的选取问题.本文为进一步认识Stein发现提供了有益补充.展开更多
胃型胃癌中的印戒细胞癌(Signet ring cell carcinoma,SRCC),具有分化程度低、侵袭性高以及预后差等特点。本研究利用大样本的胃印戒细胞癌患者的临床数据,采用机器学习算法建立生存预测模型,从分类和回归的角度,预测胃印戒细胞癌患者...胃型胃癌中的印戒细胞癌(Signet ring cell carcinoma,SRCC),具有分化程度低、侵袭性高以及预后差等特点。本研究利用大样本的胃印戒细胞癌患者的临床数据,采用机器学习算法建立生存预测模型,从分类和回归的角度,预测胃印戒细胞癌患者的治愈情况和生存周期。分别使用决策树、随机森林、支持向量机算法和反向传播(Backpropagation,BP)神经网络模型建立分类模型,通过对比各模型在测试集上的预测结果发现,BP神经网络模型的预测准确率达到了82%,召回率为80%,泛化能力最好,模型的预测效果最优。同时,使用加速失效时间(Accelerated failuretime,AFT)与COX回归(COX regression,COX)模型,指标一致性指数(Concordance index,C-index)和赤池信息量准则(Akaike information criterion,AIC)值的评估结果显示,COX回归模型的预测能力较好。最后,使用Kaplan-Meier生存分析算法绘制生存曲线,探究患者生存期概率的影响因素。结果显示,年龄、肿瘤淋巴结转移(Tumor node metastasis,TNM)分期以及手术等因素对患者生存期的概率影响较为明显。展开更多
文摘同时估计三个及以上同方差独立正态总体均值时,Stein[1]证明了最大似然估计平方损失下的不可容许性,并同James显式构造了具有精确一致更优风险函数的压缩型估计量.这一惊人发现——维数大于等于3时显式结构精确更优压缩型估计量——激发了大量后续研究.Statistical Sci-ence期刊2012年组织了一期专刊,“MINIMAX SHRINKAGE ESTIMATION:A TRIBUTE TO CHARLES STEIN”,表达对Stein发现的持续赞美.James和Stein[2]特定变换和Stein引理[3–4]是计算Stein估计量风险函数的两种基本途经.本文基于极坐标变换,对Stein估计量临界维数给出了解释,并提供了其风险函数计算的备用方式.极坐标变换既可以作为已有方法的补充,其本身在使用Stein引理验证绝对可积性时也发挥着重要作用.对异方差正态模型均值参数的同时估计,文献上相对缺乏兼具显式结构和精确更优风险函数的相关研究.本文在Stein原始估计量构成基础上,提出了一类显式估计量,并通过计算和观察其风险函数讨论了各待定系数的选取问题.本文为进一步认识Stein发现提供了有益补充.
