고차원 관측자료에서의 Q-학습 모형에 대한 이중강건성 연구
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 최상범 | - |
dc.contributor.author | 이효빈 | - |
dc.contributor.author | 조형준 | - |
dc.contributor.author | 김예지 | - |
dc.date.accessioned | 2021-12-06T00:41:49Z | - |
dc.date.available | 2021-12-06T00:41:49Z | - |
dc.date.created | 2021-08-31 | - |
dc.date.issued | 2021 | - |
dc.identifier.issn | 1225-066X | - |
dc.identifier.uri | https://scholar.korea.ac.kr/handle/2021.sw.korea/129727 | - |
dc.description.abstract | 동적 치료 요법(dynamic treatment regimes; DTRs)은 다단계 무작위 시험에서 개인에 맞는 치료를 제공하도록 설계된 의사결정 규칙이다. 모든 개인이 동일한 유형의 치료를 처방받는 고전적인 방법과 달리 DTR은 시간이 지남에 따라 변할 수 있는 개별 특성을 고려한 환자 맞춤형 치료를 제공한다. 최적의 치료 규칙을 파악하기 위한 회귀 기반 알고리즘 중 하나인 Q-학습 방법은 쉽게 구현될 수 있기 때문에 더욱 인기를 끌고 있다. 그러나 Q-학습 알고리즘의 성능은 Q-함수를 제대로 설정했는지의 여부에 크게 의존한다. 본 논문에서는 고차원 데이터가 수집되는 DTRs 문제에 대한 다양한 이중강건 Q-학습 알고리즘을 연구하고 가중 최소제곱 추정 방법을 제안한다. 이중강건성(double-robustness)은 반응변수에 대한 모형 혹은 처리변수에 대한 모형 둘 중 하나만 제대로 설정되어도 불편추정량을 얻을 수 있음을 의미한다. 다양한 모의실험 연구를 통해 제안된 방법이 여러 시나리오 하에서도 잘 작동함을 확인하였으며 실제 데이터 예제를 통해 방법론에 대한 예시를 제시하였다. | - |
dc.language | Korean | - |
dc.language.iso | ko | - |
dc.publisher | 한국통계학회 | - |
dc.title | 고차원 관측자료에서의 Q-학습 모형에 대한 이중강건성 연구 | - |
dc.title.alternative | Doubly-robust Q-estimation in observational studies with high-dimensional covariates | - |
dc.type | Article | - |
dc.contributor.affiliatedAuthor | 최상범 | - |
dc.identifier.bibliographicCitation | 응용통계연구, v.34, no.3, pp.309 - 327 | - |
dc.relation.isPartOf | 응용통계연구 | - |
dc.citation.title | 응용통계연구 | - |
dc.citation.volume | 34 | - |
dc.citation.number | 3 | - |
dc.citation.startPage | 309 | - |
dc.citation.endPage | 327 | - |
dc.type.rims | ART | - |
dc.identifier.kciid | ART002732608 | - |
dc.description.journalClass | 2 | - |
dc.description.journalRegisteredClass | kci | - |
dc.subject.keywordAuthor | double robustness | - |
dc.subject.keywordAuthor | precision medicine | - |
dc.subject.keywordAuthor | propensity score | - |
dc.subject.keywordAuthor | Q-learning | - |
dc.subject.keywordAuthor | super learner | - |
dc.subject.keywordAuthor | variable selection | - |
dc.subject.keywordAuthor | 이중강건성 | - |
dc.subject.keywordAuthor | 정밀의학 | - |
dc.subject.keywordAuthor | 성향점수 | - |
dc.subject.keywordAuthor | Q-학습 | - |
dc.subject.keywordAuthor | SL | - |
dc.subject.keywordAuthor | 변수 선택 | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
(02841) 서울특별시 성북구 안암로 14502-3290-1114
COPYRIGHT © 2021 Korea University. All Rights Reserved.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.