生存回归小结

生存回归一般是预测病人服用新药后寿命或者灯泡灯芯的寿命，这两类问题有一个共同点就是有很多删失的数据，
比如对于病人寿命来说，病人因为其他意外情况死亡了或者病人还活着，此时生存时间只能是统计成至少活了xx岁，
而没有确切的数字，对于灯芯寿命也是一样，可能是中途灯泡因为其他原因坏了，或者一直没有坏掉，此时生存时间只能是统计成至少活了xx岁，
也只能统计成至少xx小时，也没有确切的数字，对于这些大量没有确切生存数字样本，我们没有办法使用正常的均值和方差
等方式来预测病人或者灯芯的寿命，所以就有了生存回归模型(AFT)
生存回归的评判方式依然是使用rmse的方式，评判预估值和label值的差异，主要原理是把服用新药和灯芯腐蚀等作为一个变量，
和其他特征变量以及label标签一起使用线性回归的方法进行建模，得到的参数模型就可以用来预测病人的寿命或者灯芯的
寿命。
概率密度函数：病人在时间t后存活的概率
风险函数：病人生存到时间t之后，仍然存活的概率，有点绕，其实理解就是这个是一个条件概率
这个模型预测出来的系数就是每个特征维度的系数值，截距就是常数项
–题外话，从使用一些测试数据预测的结果来看，我对这个东西预测的可信度是持怀疑态度的

参考文献:https://blog.csdn.net/meng_shangjy/article/details/79784630
https://blog.csdn.net/qq_36421826/article/details/72860687