文章/答案/技术大牛

发布

社区首页 >问答首页 >如何在gbm封装分析中计算生存函数？

问如何在gbm封装分析中计算生存函数？
EN

Stack Overflow用户

提问于 2018-09-07 20:34:55

回答 1查看 743关注 0票数 1

我想基于梯度提升模型来分析我的数据。

另一方面，由于我的数据是一种队列，我很难理解这个模型的结果。

这是我的代码。基于实例数据进行了分析。

install.packages("randomForestSRC")
install.packages("gbm")
install.packages("survival")

library(randomForestSRC)
library(gbm)
library(survival)

data(pbc, package="randomForestSRC")
data <- na.omit(pbc)

set.seed(9512)
train <- sample(1:nrow(data), round(nrow(data)*0.7))
data.train <- data[train, ]
data.test <- data[-train, ]

set.seed(9741)
gbm <- gbm(Surv(days, status)~.,
           data.train,
           interaction.depth=2,
           shrinkage=0.01,
           n.trees=500,
           distribution="coxph")

summary(gbm)


set.seed(9741)
gbm.pred <- predict.gbm(gbm, 
                        n.trees=500,
                        newdata=data.test, 
                        type="response")

当我读到这个包的时候，"gbm.pred“是考克斯的部分可能性的结果。

set.seed(9741)
lambda0 = basehaz.gbm(t=data.test$days, 
                      delta=data.test$status,  
                      t.eval=sort(data.test$days), 
                      cumulative = FALSE, 
                      f.x=gbm.pred, 
                      smooth=T)

hazard=lambda0*exp(gbm.pred)

在这段代码中，lambda0是一个基线风险函数。

因此，根据公式:h(t/x)=λ0(T)*exp(f(X))

“危险”是危险函数。

然而，我想要计算的是“生存函数”。

因为，我想将原始数据的结果( data $status)与预测结果(生存函数)进行比较。

请告诉我如何计算生存函数。

谢谢

boosting

回答 1

Stack Overflow用户

发布于 2018-12-04 18:17:36

实际上，收益是累积基线风险函数(整数部分：\int^t\lambda(z)dz)，生存函数可以计算如下：

s(t|X)=exp{-e^f(X)\int^t\lambda(z)dz}

f(X)是gbm的预测值，等于对数危险比。

我认为这篇关于基于gbm的生存分析的教程会对你有所帮助！

https://github.com/liupei101/Tutorial-Machine-Learning-Based-Survival-Analysis/blob/master/Tutorial_Survival_GBM.ipynb

票数 1

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/52222714

复制

相似问题

问如何在gbm封装分析中计算生存函数？
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问如何在gbm封装分析中计算生存函数？EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问如何在gbm封装分析中计算生存函数？
EN