随机效应估算与固定效应估算_【机器学习】随机生存森林

论文题目：RANDOM SURVIVAL FORESTS

论文PDF链接：

https://arxiv.org/pdf/0811.1645.pdf​arxiv.org

简介：随机生存森林(RSF)，是一种用于对右删失生存数据进行分析的随机森林方法。 它引入了用于生长生存树的新生存分裂规则，以及用于估算缺失数据的新缺失数据算法。

RSF引入了生存森林的事件保留原则，并将其用于定义总体死亡率，这是一种简单的可解释的死亡率度量，可以用作预测结果。R软件包randomSurvivalForest提供了使用接口。

一、背景

基于决策树为基础学习器来构建集成模型，可以大大提高预测性能。 Breiman（2001）表明，可以通过将随机化注入基础学习过程中来进一步改善集成学习，这种方法称为随机森林。随机生存森林（RSF）方法扩展了Breiman的随机森林（RF）方法。在RF中，随机化有两种形式。首先，使用数据的随机样本子集样本来生长一棵树。其次，在树的每个节点上，选择随机选择的特征变量子集（协变量）作为分割的候选变量。对所有树进行平均，再结合用于生长树的随机化，可使RF功能更加丰富，同时保持较低的泛化误差。大量的经验证据表明࿰