ShrinkageTrees: An R Package for Bayesian Tree Ensembles for Survival Analysis and Causal Inference
ShrinkageTrees：用于生存分析与因果推断的贝叶斯树集成 R 包AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确包含处理效应成分分解和因果效应估计流程；生存分析与高维树模型本身没有对应的独立细分选项。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
ShrinkageTrees：用于生存分析与因果推断的贝叶斯树集成 R 包
- 研究问题
- 如何用贝叶斯树集成处理右删失和区间删失的生存结果，并在高维设置中支持预测及处理效应估计？
- 方法与思路
- 该包采用加速失效时间框架，可分解预后与处理效应；通过树结构先验及阶梯高度的全局局部收缩先验进行正则化。
- 材料陈述的贡献
- 摘要称，该包首次实现对阶梯高度施加 horseshoe 先验的 Horseshoe Forest，并提供多链 MCMC 与收敛诊断流程。
- 阅读关注点
- 应核对删失机制和因果识别条件、预后与处理效应的分解方式，以及不同收缩先验对估计和 MCMC 收敛的影响。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未说明删失与因果假设，首次实现的陈述也未获独立核实。
原文摘要
ShrinkageTrees is an R package for Bayesian tree ensembles in survival analysis and causal inference. The package implements Bayesian additive regression tree models for right- and interval-censored survival outcomes within an accelerated failure time (AFT) framework, with optional decomposition into prognostic and treatment-effect components for causal inference. Two complementary forms of regularisation are available: regularisation of the tree structure, via depth-penalising priors and Dirichlet splitting priors, and regularisation of the step heights, via global-local shrinkage priors. ShrinkageTrees provides the first implementation of the Horseshoe Forest, which places a horseshoe prior on the step heights. These regularisation strategies extend Bayesian tree ensembles to high-dimensional settings. An efficient Rcpp backend, multi-chain MCMC, and S3 methods support the full workflow: fitting, prediction, causal effect estimation, and convergence diagnostics.