保持活力：使用表格基础模型进行未经审查的生存分析

生存分析 (SA) 是一种统计框架，用于对某些感兴趣事件发生之前的时间跨度进行建模。广泛应用于多个领域，包括医疗保健和客户流失预测，其适用性的一个主要挑战源于事件被部分观察的时间或 \emph{右审查}。表格基础模型（TFM）近年来引起了人们的极大兴趣，因为它们能够在单次前向传递中执行预测任务，不需要数据集特定的参数拟合。尽管取得了成功，但由于正确的审查，将它们应用于事件时间数据的预测任务仍然很困难。在这项工作中，我们提出了一种生存回归的 无需训练 方法，利用 TFM 来预测事件的时间并迭代地估算右删失数据。我们的方法使用 TFM 构建加速故障时间 (AFT) 模型，除了拟合单个标量参数之外不需要任何训练。随后，通过在 Buckley-James 估计器的基础上，我们引入了一种用于右删失数据的非参数上下文估计器。我们在标准生存分析基准上的实验表明，我们的方法与需要训练的几种参数和半参数生存回归模型具有竞争力，包括 Cox 回归和参数 AFT 模型。