问题标签 [scikit-survival]

我在 Google Colaboratory 中安装 scikit-survival 时遇到问题。每次都说：

但是，我没有得到错误。我已经安装了最新的 Python 版本，并且任何其他 pip install 命令都可以使用。有人有想法吗？

亲切的问候，哈希利亚马

我有两个问题。首先，我想绘制预测的生存函数图。代码如下：

当我想绘制结果时：

我收到以下错误：

我怎么解决这个问题？

第二个问题是，如何将对象pred_surv的结果传输到数据帧？

我在 python 中使用 scikit-survival 库通过 cox 用 lasso 进行生存分析，我使用的函数是 coxnetSurvivalAnalysis，描述​​附在此处（https://scikit-survival.readthedocs.io/en/latest/api /生成/sksurv.linear_model.CoxnetSurvivalAnalysis.html）。当我用函数拟合我的数据时，有一个名为 score 的函数，它返回估计的 c 统计量。但是当我对 alpha 进行交叉验证和网格搜索时，c 统计量下降了大约 7%。谁能告诉我这些可能性？

非常感谢。

我正在尝试为现场数据运行生存曲线，结果曲线显然不正确。在最后一次现场评估中，幸存者应该是这样的：

犹他州：0.5505464480874317

里奇克莱斯特：0.10817941952506596

仙人掌矿：0.22146739130434784

阿马戈萨：0.005361930294906166

这是我用来生成上述数字的代码：

period 是评估栏，dummy 是我的alive/dead 虚拟栏

然而，图表显示犹他州是最差的地点，而阿马戈萨是最好的： 所有花园在 5 个评估期的生存曲线

我尝试使用 scikit 包和 lifelines 包生成此图，并且都给出了相同的结果。我究竟做错了什么？

scikit 代码：

生命线代码：

和生命线总数据生存曲线，由于某种原因，在最后一次评估中生存率为 0。

生命线生存曲线

我有一个自定义scorer函数，其输入取决于特定的训练和验证折叠，此外，.predict_survival_function还需要估计器的输出。举一个更具体的例子：

我正在尝试使用综合 Brier 分数（IBS）作为方法GridSearch运行随机生存森林（scikit-survival包）。挑战在于 IBS 的域是数据特定的（因此是折叠的），因为它在某些时候依赖于 Kaplan-Meyer 估计。此外，在评分评估步骤期间每次都需要调用该方法，而不仅仅是在结束时调用。scoring.predict_survival_function

看来我设法通过创建以下函数来处理第一个问题：

这足够强大，可以在所有折叠中工作。但是，我无法在网格搜索阶段检索估计器的预测，因为每次调用自定义记分器函数时，它的未拟合副本似乎都会传递。II 尝试的解决方法是在评分函数中重新拟合估计器，但这不仅在概念上是错误的，而且还会引发错误。

自定义记分器函数如下所示：

scoring然后我立即创建对象：

有什么建议么？能够将 GridSearch 与更复杂的评分功能一起使用会很棒，尤其是对于生存分析案例！

PS。我将在此处粘贴其余的最小工作代码：

我有一个运行预处理的管道，然后是来自 SciKit-Survival 包的随机生存森林。我正在尝试使用此处找到的 Scikit-Survival 的 as_concordance_index_ipcw_scorer()类。

我的管道如下所示：

这是导致管道和管道安装的python代码：

拟合完成后，我尝试运行以下命令：

之后我收到以下错误：

我尝试过的一个选项是指定管道的 RSF 部分，但没有成功：

有什么建议么？

对长度或缺少信息表示歉意，我是管道和 ScikitSurvival 的新手，想提供尽可能多的细节。

谢谢

我正在 Python 中安装 scikit-survival 包。当我跑

我在 msbuild 上收到错误，我在下面附上了感兴趣的元素：

问题在于 MSbuild.exe。你知道怎么解决吗？我已经安装了带有 Python 扩展的 Visual Studio Community 和 Visual Studio Build Tools。

我有一个带有名义（不可排序的类别）、有序（可排序的类别）和连续/数值变量的数据集。我正在使用 Python 中的 scikit-survival 包执行 Cox Proportional Hazard Regression。

我对名义变量进行了一次热编码（值是 0 和 1）。我已经对序数变量进行了序数编码（值范围从 0 到 9）。我对我的数值变量进行了标准缩放（平均值 = 0，标准偏差 = 1）。

我是否需要标准缩放我的内编码名义和有序变量。

我找到了对相关问题的回应：

1. https://stats.stackexchange.com/questions/263867/is-the-coefficient-from-cox-regression-scale-invariant
2. https://stats.stackexchange.com/questions/291264/what-c​​ould-be-the-reasons-for-why-re-scaling-variables-used-in-regression-helps
3. https://www.dataschool.io/comparing-supervised-learning-algorithms/

我在参考文献 3 中看到，除非有正则化，否则线性和逻辑回归模型不需要特征缩放。我想 CoxPH 回归也是如此，不是吗？在参考文献 2 中，似乎需要进行特征缩放。