ensemble-models

# 生存分析的集成模型 ## 随机生存森林 (Random Survival Forests) ### 概述 随机生存森林将随机森林算法扩展到带有删失数据的生存分析中。它们在自助采样（bootstrap samples）上构建多棵决策树并聚合预测结果。 ### 工作原理 1. **自助采样**: 每棵树都在训练数据的不同自助样本上构建 2. **特征随机性**: 在每个节点，仅考虑随机子集的特征进行分裂 3. **生存函数估计**: 在终端节点，Kaplan-Meier 和 Nelson-Aalen 估计量计算生存函数 4. **集成聚合**: 最终预测对所有树的生存函数进行平均 ### 何时使用 - 特征与生存之间存在复杂的非线性关系 - 不需要对函数形式做出假设 - 希望以最少的调优获得稳健的预测 - 需要特征重要性估计 - 样本量充足（通常 n > 100） ### 关键参数 - `n_estimators`: 树的数量（默认：100） - 树越多 = 预测越稳定但速度越慢 - 典型范围：100-1000 - `max_depth`: 树的最大深度 - 控制树的复杂度 - `min_samples_split`: 分裂节点所需的最小样本数（默认：6） - 值越大 = 正则化越强 - `min_samples_leaf`: 叶节点处的最小样本数（默认：3） - 防止对小群体过拟合 - `max_features`: 每个分裂点考虑的特征数量 - 'sqrt': sqrt(n_features) - 良好的默认值 - 'log2': log2(n_features) - None: 所有特征 - `n_jobs`: 并行作业数量（-1 使用所有处理器） ### 示例用法 python from sksurv.ensemble import RandomSurvivalForest from sksurv.datasets import load_breast_cancer # 加载数据 X, y = load_breast_cancer() # 拟合随机生存森林 rsf = RandomSurvivalForest(n_estimators=1000, min_samples_split=10, min_samples_leaf=15, max_features="sqrt", n_jobs=-1, random_state=42) rsf.fit(X, y) # 预测风险评分 risk_scores = rsf.predict(X) # 预测生存函数 surv_funcs = rsf.predict_survival_function(X) # 预测累积风险函数 chf_funcs = rsf.predict_cumulative_hazard_function(X) ### 特征重要性 **重要提示**：基于分裂不纯度的内置特征重要性对于生存分析并不总是可靠的。