问题标签 [survival-analysis]

我正在尝试优化一个涉及伽马函数的函数。我的数据是经过审查的数据。我遇到的 错误是：“fn（par，...）中的错误：尝试应用非功能” R代码是：

fn(par, ...) 中的错误：尝试应用非函数

预先感谢您的帮助。

啊！尝试compute使用我的神经网络时，我不断收到以下错误：

我无法弄清楚问题是什么。下面我将为您提供来自我的矩阵的示例数据和格式，然后我将向您展示我正在尝试运行的代码。

• matrix.train1用于训练网络

  /li>

• matrix.train2是用于测试模型的训练数据的一部分

  /li>

两个矩阵之间唯一真正的区别是matrix.train2不包含survived列。

这是我试图运行的 R 代码：

谁能告诉我我在这里做错了什么？

谢谢！

到目前为止基于评论的更新：

1. 使用“使用神经网络预测新数据的类”中的解决方案似乎不起作用。

   /li>

2. 我通过手动将我的train1和train2数据帧放入矩阵中，model.matrix因为如果我不这样做，我会收到以下错误：

   /li>

注意：有关我为什么使用的更多详细信息，请参阅以下线程model.matrix：“第一次在 R 中使用神经网络：获取“需要数字/复杂矩阵/向量参数”，但不知道如何更正“。

我有来自苍蝇实验的生存数据，该实验检查了各种基因型的衰老率。这些数据以多种布局提供给我，因此您可以选择哪种布局，以最适合答案的为准。

一个数据框（wide.df）看起来像这样，其中每个基因型（Exp，其中有 ~640 个）都有一行，并且从第 4 天到第 98 天按顺序水平排列，每两天有新的死亡人数。

我用这个做例子：

另一个版本是这样的，每天每个“Exp”都有一行，并记录当天的死亡人数。

做这个例子：

我想做的是执行Gompertz 分析（请参阅此处“生命表”的第二段）。方程是：

μx = α*e ^β*x

其中μx是给定时间的死亡概率，α是初始死亡率，β是衰老率。

我希望能够获得一个数据框，其中包含我的约 640 个基因型中的每一个的α和β估计值，以便以后进一步分析。

我需要从上述数据框到 R 中每个基因型的这些值的输出的帮助。

我已经查看了flexsurv可能包含答案的软件包，但我未能尝试找到并实施它。

我在这里发布的问题与我两天前发布的关于 gompertz 老化分析的另一个问题密切相关。

我正在尝试构建一个生存对象，请参阅 R 中的 ?Surv。这将有望用于执行 Gompertz 分析以产生两个值的输出（有关详细信息，请参阅原始问题）。

我有来自苍蝇实验的生存数据，该实验检查了各种基因型的衰老率。这些数据以多种布局提供给我，因此您可以选择哪种布局，以最适合答案的为准。

一个数据框（wide.df）看起来像这样，其中每个基因型（Exp，其中有 ~640 个）都有一行，并且从第 4 天到第 98 天按顺序水平排列，每两天有新的死亡人数。

我用这个做例子：

另一个版本是这样的，每天每个“Exp”都有一行，并记录当天的死亡人数。

做这个例子：

每个基因型中大约有 50 只苍蝇。我现在需要帮助的是如何从上述数据框之一转换为有效的生存对象。这个物体是什么样子的？我如何从上面顺利到达生存对象？

我正在尝试使用flexsurvreg包中的某些生存数据来估计 Weibull 分布的平均故障时间flexsurv。我需要能够估计用于模拟模型的标准误差。

以数据为例flexsurvreg；lung

现在，计算平均值只是将估计的参数值插入标准公式的情况，但是有没有一种简单的方法可以得出这个估计的标准误差？可以survreg这样做吗？

我是生存分析的新手，并且有一个看似简单/愚蠢的问题。我在 R 中拟合了一条从 t(1) 到 t(36) 的生存曲线。我的理解是生存函数是从 time1 到 time36（曲线）的生存概率。但是，我对从时间（x）到时间（36）的生存感兴趣。有没有办法得到这个概率？

我不确定......我认为这不可能那么困难，但我无法解决。如果你运行：

您会看到生存曲线及其 95% 置信区间。id 不显示显示上下 95% CI 的两条线，而是喜欢对上下 95% 边界之间的区域进行阴影处理。

这是否必须通过多边形（）之类的东西来完成？所有坐标都可以在摘要中找到...

是否有现有功能可以遮蔽 95% CI 区域？

我想使用 Cox 比例风险回归来调查一些连续风险因素与我的偏好疾病之间的假定 U 形关联。到目前为止，我已经完成了这个R和survival这样的包

然而，虽然不幸的是文档并不太冗长，但在我看来，这些样条曲线不受限制（即，被迫在尾部是线性的），因此在所述尾部中表现出很大的差异，而且我必须这样做也让我很恼火提供所需的拟合复杂度（通过df参数）。我宁愿把它放在mgcv包里，它可以自动调节拟合的复杂性，但 AFAIK 不支持 cox 模型。

我可以用 来做吗R，如果可以，怎么做？

我是 R 的新手。目前我正在为我拥有的一些生存数据拟合对数正态分布，但是在尝试计算中位数和平均值等统计数据时我陷入了困境。这是我到目前为止使用的代码，谁能告诉我接下来应该输入什么来找到平均值？

这是我卡住的地方，我试过：

但这似乎并没有给出一个现实的意思。

我正在尝试对订阅的客户生命周期进行建模。由于数据被审查，我将使用 R 的生存包来创建生存曲线。

原始订阅数据集如下所示..

我操纵它看起来像这样..

..为了养活生存模型：

对于 consored 案例，即订阅今天仍然有效的案例，我应该在 tenure_in_months 变量中放入什么 - 它应该是直到今天的任期还是应该是 NA？