arXiv stat.ML· Daixi Huang, Yixin Yuan, Yifan Dai, Yufeng Liu·· 19 天前AI 评分32
用于多治疗方案个体化治疗规则学习的神经监督聚类方法
Neural Supervised Clustering for Learning Individualized Treatment Rules with Many Treatments
AI 导读
研究者提出了非线性监督聚类融合（NSCF）框架，通过神经 Q-learning 结合共享非线性协变量表征与低维治疗嵌入向量，用于在多治疗方案下学习个体化治疗规则（ITR）。该方法利用成对融合将具有相似对比的治疗方案分组，生成可解释的分区。在非线性精确共享模拟中，NSCF 相比强神经基线降低了遗憾值；在黑色素瘤异种移植应用中，也提升了平均策略价值。
来源：arXiv stat.ML · arxiv.org