KAN-AFT：一种结合Kolmogorov-Arnold网络与加速失效时间分析的可解释非线性生存模型

这篇ArXiv论文介绍了一种新的生存分析模型KAN-AFT，它结合了Kolmogorov-Arnold网络（KAN）与加速失效时间（AFT）分析。其关键创新在于解决了DeepAFT等深度学习模型的可解释性局限性，同时保持了相当或更优越的性能。通过利用KAN，该模型可以表示复杂的非线性关系，并为生存时间提供符号方程，从而增强对模型预测的理解。该论文强调了AFT-KAN公式、删失数据的优化策略以及可解释性管道作为主要贡献。实证结果表明，在生存分析方面取得了有希望的进展，在预测能力和模型透明度之间取得了平衡。这项研究可能会对需要可解释生存模型的领域（如医学和金融）产生重大影响。

• •介绍了一种新的可解释生存分析模型KAN-AFT。
• •结合了Kolmogorov-Arnold网络与加速失效时间分析。
• •解决了生存分析中深度学习模型的可解释性局限性。