Details
| Title | Survival analysis using Mahalanobis distance in Kernels of the Beran estimator = Анализ выживаемости с использованием расстояния Махаланобиса в ядрах модели Берана // Информатика, телекоммуникации и управление = Computing, Telecommunications and Control. – 2026. – Т. 19, № 2. — С. 31-43 |
|---|---|
| Creators | Utkin L. V. ; Konstantinov A. V. ; Kirpichenko S. R. ; Verbova N. M. |
| Imprint | 2026 |
| Collection | Общая коллекция |
| Subjects | Радиоэлектроника ; Искусственный интеллект. Экспертные системы ; Beran model ; model Beran ; machine learning ; nonparametric regression methods ; conditional reliability functions ; Mahalanobis distance ; distance Mahalanobis ; data modeling ; модель Берана ; Берана модель ; машинное обучение ; непараметрические регрессионные методы ; условные функции надежности ; расстояние Махаланобиса ; Махаланобиса расстояние ; моделирование данных |
| UDC | 004.8 |
| LBC | 32.813 |
| Document type | Article, report |
| Language | English |
| DOI | 10.18721/JCSTCS.19203 |
| Rights | Свободный доступ из сети Интернет (чтение, печать, копирование) |
| Record key | RU\SPSTU\edoc\80276 |
| Record create date | 10/6/2026 |
Survival analysis is critical for modeling time-to-event data across medicine, engineering, and economics. The Beran estimator serves as an efficient nonparametric tool for estimating conditional survival functions under censoring. However, the conventional Beran estimator relies on the Euclidean distance for kernel weighting, a metric that fails to account for heterogeneous scales and correlations among covariates. This limitation can result in suboptimal weighting when features exhibit multicollinearity or varying measurement units. To address this, we propose the M-Beran estimator, a generalized formulation that incorporates the Mahalanobis distance into the kernel smoothing scheme. This modification ensures scale invariance and leverages the underlying correlation structure of the feature space, transforming the kernel into an elliptically symmetric form. We evaluate the proposed method through numerical experiments on real-world survival datasets. Results demonstrate that the M-Beran estimator outperforms the conventional Euclidean-distance-based Beran estimator, offering improved predictive accuracy.
Анализ выживаемости имеет решающее значение для моделирования данных о времени до наступления события в медицине, инженерии и экономике. Оценка Берана служит эффективным непараметрическим инструментом для оценки условных функций выживаемости при цензурированных данных. Однако стандартная оценка Берана основана на евклидовом расстоянии для взвешивания ядер - метрике, которая не учитывает различие в масштабах признаков и корреляции между ними. Эти ограничения могут привести к неоптимальному взвешиванию, когда признаки демонстрируют мультиколлинеарность или различные единицы измерения. Для решения этой проблемы мы предлагаем оценку М-Берана - обобщенную формулировку, которая включает расстояние Махаланобиса в схему сглаживания ядер. Эта модификация обеспечивает инвариантность к масштабу данных и использует лежащую в основе корреляционную структуру пространства признаков, преобразуя ядро в эллиптически симметричную форму. Мы оцениваем предложенный метод с помощью численных экспериментов на реальных наборах данных времен до событий. Результаты показывают, что оценка М-Берана превосходит традиционную оценку Берана на основе евклидова расстояния, обеспечивая более высокую точность предсказаний.
| Network | User group | Action |
|---|---|---|
| ILC SPbPU Local Network | All |
|
| Internet | All |
|
