问题标签 [scikit-survival]

我很困惑如何解释scikit-survival 中.predict拟合模型的输出。CoxnetSurvivalAnalysis我已经阅读了scikit-survival 中的笔记本 Intro to Survival Analysis和 API 参考，但找不到解释。以下是导致我困惑的一个最小示例：

所以这是进入模型的X：

...继续拟合模型并生成预测：

preds具有与 相同数量的记录X，但它们的值与 中的值完全不同data_y，即使在它们拟合的相同数据上进行预测时也是如此。

输出：

那么究竟是preds什么？显然.predict，这里的含义与 scikit-learn 中的完全不同，但我不知道是什么。API 参考说它返回“预测的决策函数”，但这是什么意思？以及如何在yhat给定的几个月内达到预测的估计值X？我是生存分析的新手，所以我显然遗漏了一些东西。

我正在开展一个项目，使用机器学习方法和包含大约 900 个变量的数据集来预测事件（移植失败）的日期，我是这个领域的新手，我不确定我是否走在正确的轨道上。

起初，我使用神经网络在 python 中使用 Keras 库进行预测，然后我发现我的数据中有 70% 的审查实例（Y 变量）。但是，除了 Y 之外，我还有一个后续变量。所以，我得出结论，我不应该使用神经网络来解决这类问题，而且我必须事先处理审查数据。现在我有三个问题：

1）有这样的审查数据率是否正常？我们应该如何处理这种情况？

2) 我的结论是否正确，即神经网络不是解决我的问题的最佳方案？如果不是，最常见的机器学习方法是什么？我为此目的找到了生命线和 scikit-survival 包，但我不知道哪个更好，它是正确的解决方案。

3）我用后续变量替换了审查数据，而根据我的数据集中审查数据的高比例，我认为它不合适。我意识到我应该使用另一种方法，如校准，但我找不到执行此操作的 python 库。你能帮我解决这个问题吗？Pyhton 中通常用于校准什么？

我一直在尝试安装 scikit-survival 包以进行生存分析，但每当我尝试这样做时，我都会收到如下所示的错误。

错误

pyasn1-modules 0.1.5 has requirement pyasn1<0.4.0,>=0.3.4, but you'll have pyasn1 0.1.9 which is incompatible. 错误

我有一个关于 GBM 生存分析的问题。我正在尝试在 3614 个人的数据集中量化我的变量（n = 453）的变量重要性。具有可变重要性的结果图看起来很可疑。我以前计算过 GBM，但从未见过这种渐进模式的重要性。重要性条之间通常有不同的距离；在这种情况下，重要性似乎一直存在差异。我的数据框称为 df。由于数据的敏感性，我无法上传样本数据。相反，我的问题涉及获得这些可变重要性的合理性。

我正在使用 scikit-survival 在 python 中尝试 Cox 比例风险，我想知道是否可以计算对数风险系数的标准误差或置信区间？

Python 代码（大部分来自 github 上的教程 - https://nbviewer.jupyter.org/github/sebp/scikit-survival/blob/master/examples/00-introduction.ipynb）：

输出

如果我使用生存库在 R 中运行相同的分析：

这是输出：

系数是相同的，但我真的想要一种计算标准误差（在 R 输出中标记为 se(coef)）或每个系数的置信区间的方法。

非常感谢！

我正在尝试预测 python 中合同和离散保单（保险）的生存分数和 LTV。我浏览了许多网站，但我只能找到许多非合同（零售）的例子。
我使用了以下代码：

其中 TIME - 是 ACTIVE 客户的保单生效日期和当前日期之间的天数，以及非 ACTIVE 客户的保单生效日期和退保日期之间的天数。
EVENT - 是客户是否活跃的指标。

拟合模型后，我得到了 0.7 的一致性（我觉得还可以）。
从这里开始，我如何继续获得活跃客户的生存分数和终身价值（CLTV）？基本上，我需要预测谁是有价值的客户，他们将长期留在公司。

我通过浏览 Cam 的一些帖子和建议添加了一些代码。

那么输出表示什么：
0.5 PREAMT TIME--- 第 0.5 列中的数字是否表示有 50% 机会关闭的持续时间？
0.75 PREAMT TIME--- 同样 0.75 表示有 75% 机会关闭的持续时间？
RemainingValue--- 是要支付的剩余金额吗？

下一步是什么？

我正在尝试生成一些模拟的生存数据集。我选择了 simsurv 函数，因为它允许我生成时变系数（因此是非比例风险）。但是，我该如何为不同的数据集定义不同的审查率（10%、30%...等）？

我在 sksurv 中使用生存树开发了生存树。

当我做 getstate 时，我得到以下信息

但是当我使用 tree.plot_tree 时，我收到一条错误消息，说明如下：

AttributeError：“SurvivalTree”对象没有属性“标准”

我也尝试了 graphviz 并得到了同样的错误。

所以基本上我希望绘制生存树以便更好地解释。

我想使用我训练的模型在我的测试集上实现 concordance_index_censored。我不明白哪个应该是我estimate对concordance_index_censored().

它在coxnet_pred的某个地方吗？如果没有，我应该从哪里得到它？我试过coxnet_pred['array']但这不起作用，因为它包含步进函数。

代码如下

我在理解和在 Python 中应用决策树进行生存分析时遇到问题。我有一个数据集，其中包含变量年龄、体重、肿瘤大小、体积……（所有浮点数），我想知道是否与总体存活率相关（也是浮点数）。

但是我该如何应用决策树呢？在文献中，我只看到了 y_train 必须是分类变量（例如 0 或 1，良性或恶性，...）的示例，但它不适用于浮点数等连续变量。

但是，我想创建一个决策树，以便最终您可以发现肿瘤大小 > xx 且体积 > yy，您的预测总生存期约为 < zzz。

有人可以帮我解决我的问题吗？有谁知道在哪里可以阅读有关此主题的更多信息？