Что предсказывает выживание?

Я пытаюсь разработать прогностическую модель, используя данные о выживаемости рака, и использовал пакет R survivalsvm, который использует метод SVM. После запуска следующего кода я получил некоторые результаты, но мне было трудно их интерпретировать. Я знаю, что в регрессии Кокса она предсказывает кумулятивную функцию риска, но то же самое и в survivalsvm? Я запускал обе модели Cox и survivalsvm, и результаты совершенно разные:

smodel_svm = survivalsvm(Surv(time, outcome) ~ radius.mean + tumor.size, data=training_set, gamma.mu = 1)
pred_test_svm = predict(smodel_svm, test_set)
summary(pred_test_svm)

r machine-learning svm survival-analysis
person SamJ    schedule 14.06.2019    source источник
comment
Не могли бы вы уточнить, почему вы ожидали, что они дадут такой же результат?   -  person NelsonGon    schedule 14.06.2019
comment
Предпосылка вопроса кажется ошибочной. Функция predict.coxph, которую я полагаю, означает, что регрессия Кокса предсказывает, возвращает линейный предиктор, то есть логарифмический относительный риск, связанный с различиями от среднего значения ковариат. См. дополнительную информацию и параметры на странице справки и отредактируйте текст своего вопроса, добавив минимальный воспроизводимый пример, включая вызов библиотеки для любых необходимых пакетов и уточнение того, что запрашивается.   -  person IRTFM    schedule 14.06.2019
comment
При дальнейшем рассмотрении этот вопрос следует перенести в CrossValidated. На самом деле это не проблема кодирования.   -  person IRTFM    schedule 14.06.2019

Ответы (2)


arrow_upward
0
arrow_downward

Разница может заключаться в том, что вы используете параметры по умолчанию, которые используют type="regression", использующий подход регрессии, как описано в этом бумага.

Таким образом, авторы (Van Belle et al.) предлагают другой подход (МОДЕЛЬ 2 и МОДЕЛЬ 3), который по существу использует модель Кокса, но с ограничениями регрессии и ранжирования.

Обратите внимание, однако, что авторы пришли к следующему выводу:

Сравнение модели 2 с моделью кокс не выявило существенных различий в производительности. Преимущество модели 2 над моделью Кокса заключается в простом расширении до нелинейных моделей без необходимости проверки нелинейности в переменных перед моделированием.

Из документации по функции (с акцентом на тип параметра):

Для реализованных моделей используются следующие обозначения:

«регрессия» относится к регрессионному подходу, названному SVCR в Van Belle et al. (2011б),

«vanbelle1» в соответствии с первой версией векторной машины поддержки выживания, основанной на ограничениях ранжирования, названной RANKSVMC Van Belle et al. (2011б),

«vanbelle2» в соответствии со второй версией векторных машин поддержки выживания, основанных на ограничениях ранжирования, подобных представленным в model1 Van Belle et al. (2011b) и

person NelsonGon    schedule 14.06.2019

arrow_upward
0
arrow_downward

Прогнозы от survivalsvm должны интерпретироваться как ранги. Путь в выживании svm заключается в том, чтобы иметь возможность предсказывать ранги среди людей, чтобы оценить, например, какой пациент должен быть прооперирован раньше, чем другие. См. также fouodo et al. (2018) для получения дополнительных сведений об использовании пакетов в R.

person user11753138    schedule 08.07.2019