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）

---

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：