---文末留言,即可有机会获得赠书噢!
随着机器学习的发展,机器学习模型被应用与生存分析的问题上,其中包括生存森 林模型。有几个包可以实现随机生存森林,包括ranger,randomForestSRC。本章节是通过ranger实现随机森林模型。 随机生存森林模型通过ranger函数构建,ranger()为数据集中的每个观察建立一个模型。下一个代码块使用上面Cox模型中使用的相同数据以及变量构建模型,并绘制20条随机曲线,以及表示所有患者的全局平均值的曲线。使用ranger构建随机森林模型,第一个参数依然是公式,公式的左边是一个生存对象。第二个参数是data,表示用于建模的数据集。第三个参数是mtry,用于表示所选取的特征数目,第四个参数importance用于指定变量重要性的模型。第五个参数splitrule用于指定决策树的划分指标。第六个参数verbose表示是否显示出运行状态。然后,结果曲线如图4.14所示。library(ranger)r_fit ph.karno + wt.loss, data = na.omit(lung), mtry = 4, importance = "permutation", splitrule = "extratrees", verbose = TRUE)# Average the survival modelsdeath_times surv_prob avg