生存模型的XGBoost(Python)预测
Xgboost的文档表明,使用Cox PH损失训练的模型的输出将是个体预测乘数的指数(相对于基线风险)。是否无法从该模型中提取基线风险,以预测每个人的整个生存曲线 生存率:右删失生存时间数据的cox:cox回归 (负值被视为右删失)。请注意,预测 在危险比表上返回(即,作为HR= 比例风险函数h(t)中的exp(边际_预测)= h0(t)*小时)生存模型的XGBoost(Python)预测,python,xgboost,Python,Xgboost,Xgboost的文档表明,使用Cox PH损失训练的模型的输出将是个体预测乘数的指数(相对于基线风险)。是否无法从该模型中提取基线风险,以预测每个人的整个生存曲线 生存率:右删失生存时间数据的cox:cox回归 (负值被视为右删失)。请注意,预测 在危险比表上返回(即,作为HR= 比例风险函数h(t)中的exp(边际_预测)= h0(t)*小时) 不,我想不是。解决方法是将基线危险纳入另一个包中,例如sksurv.linear\U模型导入COXPH生存分析中的,或根据要求(生存)纳入R中。然后,
不,我想不是。解决方法是将基线危险纳入另一个包中,例如sksurv.linear\U模型导入COXPH生存分析中的
,或根据要求(生存)
纳入R中。然后,您可以使用XGBoost的预测输出作为拟合基线的多层。只要记住,如果基线在对数刻度上,则使用output\u margin=True
并添加预测
我希望XGBoost的作者很快会提供一些如何使用此函数的示例。python库不会计算基线风险,是吗?除了这个答案之外,您还应该看看: