R 我应该使用交叉验证中的平均一致性指数,还是只汇总并建立一个cox比例风险模型?
我一直在使用10倍交叉验证对癌症样本进行生存分析。对于每一次训练,我都会选择特征,然后在测试过程中,我会运行一个修改过的KNN来检索训练邻域,并将它们的平均生存时间分配给一个测试样本(这不是修改的内容,但KNN算法在这里并不重要)。我使用指定的生存时间和测试用例的状态建立了cox比例风险模型,并使用一致性指数来测试性能。目前,我已经建立了一个cox比例风险模型,并提取了每个测试折叠的一致性指数,然后在我完成对整个系统的评估后计算出平均一致性指数 然而,我的同事认为我应该(通过rowbind)汇总所有测试样本的每个时间和状态,并只构建一次cox比例风险模型。然后计算一致性指数 我们已经测试并发现结果是不同的。计算平均值得到0.734(我的方法),而聚合所有测试用例并构建一个模型得到0.720。一、 但是,我们相信,在其他测试过程中,这很容易向另一个方向摆动 因此,我的问题是:这些方法中哪一种是正确的R 我应该使用交叉验证中的平均一致性指数,还是只汇总并建立一个cox比例风险模型?,r,survival-analysis,cox-regression,R,Survival Analysis,Cox Regression,我一直在使用10倍交叉验证对癌症样本进行生存分析。对于每一次训练,我都会选择特征,然后在测试过程中,我会运行一个修改过的KNN来检索训练邻域,并将它们的平均生存时间分配给一个测试样本(这不是修改的内容,但KNN算法在这里并不重要)。我使用指定的生存时间和测试用例的状态建立了cox比例风险模型,并使用一致性指数来测试性能。目前,我已经建立了一个cox比例风险模型,并提取了每个测试折叠的一致性指数,然后在我完成对整个系统的评估后计算出平均一致性指数 然而,我的同事认为我应该(通过rowbind)汇总