La documentazione su questo non è immediatamente evidente se non si ha familiarità con il pacchetto, ma è possibile.
Dati di carico
data(pbc, package = "randomForestSRC")
Creare le prove ed i test di set di dati
pbc.trial <- pbc %>% filter(!is.na(treatment))
pbc.test <- pbc %>% filter(is.na(treatment))
costruire il nostro modello di
rfsrc_pbc <- rfsrc(Surv(days, status) ~ .,
data = pbc.trial,
na.action = "na.impute")
test out modello
test.pred.rfsrc <- predict(rfsrc_pbc,
pbc.test,
na.action="na.impute")
Tutte le cose buone sono contenute nel nostro oggetto di previsione. L'oggetto $survival
è una matrice di n righe (1 per paziente) ed n colonne (una per time.interest
- questi vengono scelti automaticamente se è possibile vincolare utilizzando l'argomento ntime
nostra matrice è 106x122.)
test.pred.rfsrc$survival
il $time.interest
oggetto è un elenco dei vari "time.interests" (122, uguale al numero di colonne nella nostra matrice da $surival
)
test.pred.rfsrc$time.interest
Diciamo che volevamo vedere il nostro status previsto a 5 anni, ci sarebbe
è necessario capire in quale momento l'interesse è stato più vicino a 1825 giorni (dal momento che il nostro periodo di misurazione è di giorni) quando guardiamo al nostro oggetto $time.interest
, vediamo che la riga 83 = 1827 giorni o circa 5 anni. la riga 83 in $time.interest
corrisponde alla colonna 83 nella nostra matrice $survival
. Quindi per vedere la probabilità di sopravvivenza prevista a 5 anni dovremmo semplicemente guardare la colonna 83 della nostra matrice.
test.pred.rfsrc$survival[,83]
È quindi possibile fare questo per qualsiasi timepoints che ti interessa.
Penso che la carica che questo è "davvero scarsamente documentata" è ingiusto. Guarda l'ultimo esempio su '? Predicict.rfsrc'. Utilizza la funzione di rischio cumulativo per generare una curva di sopravvivenza: 'exp (-pred.fit $ chf)' –
@BondedDust, hai ragione. Ho aggiornato il mio post in risposta. – scribbles
@scribbles domanda veloce su questo argomento. I valori nella variabile time.interest corrispondono al tempo totale o al tempo in cui un'osservazione sopravviverà da qui in poi? "here on out" è il momento in cui è stato eseguito l'algoritmo di sopravvivenza. – jjreddick