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)
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