XG在R中使用mlr增强生存能力

我想使用mlr在R中的右删失生存数据上运行xgboost。xgboost代码列出了一个目标函数survival:cox，它表示：

生存率：右删失生存时间数据的cox:cox回归（负值视为右删失）

我正在使用的MLR2只支持回归和分类学习者的xgboost。如果我尝试使用xgboost的内置回归学习器，它会使用mse作为评估指标。因此，我尝试将度量值更改为cindex，但得到了错误

措施：cindex cindex
乐趣中的错误（X[[i]]，…）： Measure cindex不支持任务类型regr

因此，我尝试为xgboost编写一个新的生存学习器，它只是回归学习器的一个副本，但“Regr”改为“Surv”，但它当然希望目标有两列-时间和状态-并且不接受负时间，而xgboost只需要一列time，并假设时间为负值的任何行都会被删除

下面是我试过的。有没有办法在mlr2或mlr3中实现这一点

使用xgboost的内置回归学习器：

数据（退伍军人）
退伍军人\u xgb我找到了解决方案，并在此处更新了我的自定义学习者：

诀窍是修改trainlearner.surv.xgboost函数。作为一名生存学习者，它希望通过包含2列时间和状态的目标传递数据。但在该学习者中，我们可以计算xgboost期望的目标，对经过审查的数据使用负时间，然后将这个新的单列目标传递给xgboost：

 trainLearner.surv.xgboost = function(.learner, .task, .subset, .weights = NULL,  ...) {
  parlist = list(...)

  if (is.null(parlist$objective))
  {
    parlist$objective = "survival:cox"
    parlist$eval_metric = "cox-nloglik"
  }

  task.data = getTaskData(.task, .subset, target.extra = TRUE)
  survtime <- ifelse(task.data$target$status==1, task.data$target$time, -task.data$target$time)

  parlist$data = xgboost::xgb.DMatrix(data = data.matrix(task.data$data), label = survtime)

  if (!is.null(.weights))
    xgboost::setinfo(parlist$data, "weight", .weights)

  if (is.null(parlist$watchlist))
    parlist$watchlist = list(train = parlist$data)

  do.call(xgboost::xgb.train, parlist)
}

trainLearner.surv.xgboost=函数（.learner、.task、.subset、.weights=NULL，…）{
parlist=list（…）
if（is.null（参数列表$objective））
{
参数列表$objective=“生存：考克斯”
参数列表$eval\u metric=“cox nloglik”
}
task.data=getTaskData（.task、.subset、target.extra=TRUE）
survtime如果我理解正确的话，你正在尝试实现xgboost的生存版本？你有没有看过其他一些生存学习者，看看他们是如何实现的？这也应该很有帮助。是的，@Lars Kotthoff，我正在尝试在mlr中创建xgboost的生存版本。谢谢你的回答。我知道如何创建我自己的生存版本学习者，但主要问题是，正如我前面所述，mlr生存学习者希望目标有两列，状态和时间，而xgboost希望目标只有一列，时间，状态由时间是正是负来表示。因此，我看不到任何方法在mlr中创建xgboost的生存版本。听起来你不能用xgboost这么做。也许有帮助？嘿，@panda，你知道你可以勾选自己的问题吗？
    data(veteran)
    veteran_xgb <- veteran
    veteran_xgb <- veteran_xgb[c("trt", "karno", "diagtime", "age", "prior", "time", "status")]
    veteran_xgb$time <- ifelse(veteran$status==1, veteran$time, -veteran$time)

    xgb.task <- makeSurvTask(id="XGBOOST_VET", data = veteran_xgb, target = c("time", "status"))
    xgb_learner <- makeLearner(id="xgboost",
                              cl="surv.xgboost",
                              predict.type = "response",
                              par.vals = list(
                                  objective = "survival:cox",
                                  eval_metric = "cox-nloglik",
                                  nrounds = 200
                                )
                              )

    learners = list(xgb_learner)
    outer = makeResampleDesc("CV", iters=5) # Benchmarking
    surv.measures = list(cindex)
    bmr = benchmark(learners, xgb.task, outer, surv.measures, show.info = TRUE)

 trainLearner.surv.xgboost = function(.learner, .task, .subset, .weights = NULL,  ...) {
  parlist = list(...)

  if (is.null(parlist$objective))
  {
    parlist$objective = "survival:cox"
    parlist$eval_metric = "cox-nloglik"
  }

  task.data = getTaskData(.task, .subset, target.extra = TRUE)
  survtime <- ifelse(task.data$target$status==1, task.data$target$time, -task.data$target$time)

  parlist$data = xgboost::xgb.DMatrix(data = data.matrix(task.data$data), label = survtime)

  if (!is.null(.weights))
    xgboost::setinfo(parlist$data, "weight", .weights)

  if (is.null(parlist$watchlist))
    parlist$watchlist = list(train = parlist$data)

  do.call(xgboost::xgb.train, parlist)
}

library(xgboost)
library(survival)
library(mlr)
source("RLearner_surv_xgboost.R")

data(veteran)
veteran.xgb <- veteran[, !(names(veteran) %in% c("celltype"))]

xgb.task <- makeSurvTask(id="XGBOOST_VET", data = veteran.xgb, target = c("time", "status"))
surv.measures = list(cindex)
outer= makeResampleDesc("CV", iters=5)

xgb.learner <- makeLearner(id="xgboost",
                          cl="surv.xgboost",
                          predict.type = "response")
learners = list(xgb.learner)
bmr = benchmark(learners, xgb.task, outer, surv.measures, show.info = TRUE)