evaluation-metrics

# 生存模型评估指标 ## 概述 评估生存模型需要专门的指标来处理删失数据。scikit-survival 提供了三大类指标： 1. 一致性指数 (C-index) 2. 时间依赖性 ROC 和 AUC 3. Brier 分数 ## 一致性指数 (C-index) ### 测量内容 一致性指数衡量预测风险评分与观测事件时间之间的秩相关性。它代表了对于随机一对受试者，模型正确排序其生存时间的概率。 **范围**：0 到 1 - 0.5 = 随机预测 - 1.0 = 完全一致 - 典型的良好表现：0.7-0.8 ### 两种实现方式 #### Harrell's C-index (concordance_index_censored) 传统的估计器，更简单但有局限性。 **适用场景：** - 低删失率 ( 40%) - 需要无偏估计 - 跨不同数据集比较模型 - 发布结果（更稳健） **优势：** - 即使在高删失率下也保持稳定 - 更可靠的估计 - 偏差更小 python from sksurv.metrics import concordance_index_ipcw # 计算 Uno's C-index # 需要训练数据进行 IPCW 计算 c_index, concordant, discordant, tied_risk = concordance_index_ipcw( y_train, y_test, risk_scores ) print(f"Uno's C-index: {c_index:.3f}") ### 如何选择 Harrell's 和 Uno's **在以下情况使用 Uno's C-index：** - 删失率 > 40% - 需要最准确的估计 - 比较来自不同研究的模型 - 发表研究成果 **在以下情况使用 Harrell's C-index：** - 低删失率 - 开发过程中的快速模型比较 - 计算效率至关重要 ### 比较示例 python from sksurv.metrics import concordance_index_censored, concordance_index_ipcw # Harrell's C-index harrell = concordance_index_censored(y_test['e