اثر خاصیت غیر خطی نسبت شانس در بروز رسانی مدل های پیش بینی

عبداله صفری

دانشگاه تهران

در مدل‌سازی پیش‌بینی بالینی، به‌روزرسانی مدل به اصلاح یک مدل پیش‌بینی آماری قبل از استفاده برای یک جامعه جدید اشاره دارد. در رگرسیون لجستیک برای یک متغیر پاسخ با دو رده، یکی از ساده‌ترین روش‌های به‌روزرسانی، استفاده از ضریب نسبت شانس ثابت برای ریسک‌های پیش‌بینی‌شده برای بهبود برازش کلی پیش بینی می باشد. ساده‌ترین رویکرد، تعدیل نسبت‌های شانس بر اساس اختلاف بین نسبت متغیر پاسخ در جامعه اولیه در مقایسه با جامعه جدید، یا بین میانگین ریسک های پیش‌بینی‌ شده و مشاهده‌ شده است. این روش ساده غیر خطی بودن نسبت شانس را در نظر نمی گیرد. در نتیجه، ریسک‌های پیش‌بینی ‌شده را نمی تواند بطور کامل تصحیح کند، بخصوص زمانی که ریسک‌های پیش‌بینی ‌شده دارای پراکندگی بیشتری هستند (به عنوان مثال، برای مدل‌هایی با تبعیض بهتر). ما یک معادله تقریبی برای بازیابی نسبت شانس شرطی از میانگین و واریانس ریسک های پیش بینی شده در جامعه جدید پیشنهاد می کنیم. نتایج یک مطالعه شبیه ‌سازی‌ مختصر و همچنین پیاده سازی این روش روی داده های واقعی نشان می دهد که این روش باعث کاهش اریبی می‌شود.

شنبه ۹ بهمن ۱۴۰۰ – ساعت ۱۸:۰۰

با هماهنگی دانشکده ریاضی، آمار، و علوم کامپیوتر – پردیس علوم دانشگاه تهران

دسترسی آنلاین به سخنرانی از طریق لینک زیر

https://www.skyroom.online/ch/sci-ut/math-lectures