机器学习系列|基于随机森林的生存分析模型-R实战

机器学习系列|基于随机森林的生存分析模型-R实战

随机生存森林

随机生存森林通过训练大量生存树，以表决的形式，从个体树之中加权选举出最终的预测结果。

构建随机生存森林的一般流程为：

Ⅰ. 模型通过“自助法”（Bootstrap）将原始数据以有放回的形式随机抽取样本，建立样本子集，并将每个样本中37%的数据作为袋外数据（Out-of-Bag Data）排除在外；

Ⅱ. 对每一个样本随机选择特征构建其对应的生存树；

Ⅲ. 利用Nelson-Aalen法估计随机生存森林模型的总累积风险；

Ⅳ. 使用袋外数据计算模型准确度。

案 例

以美国梅奥诊所在1974—1984年间收集的原发性胆汁性胆管炎（primarybiliarycholangitis，PBC）数据为例，通过构建随机生存森林模型来探究D-青霉胺（DPCA）治疗对于原发性胆汁性胆管炎生存的影响。同时，也探讨其他主要临床指标是否也对PBC的生存有影响。原始数据共有总计418例患有PBC的研究对象，其中时间（time）的单位为生存天数，在此换算为生存年数。由于只考虑单次复发的情况，原始数据“status”变量中的事件重新分组为“0”（删失ÿ