R 什么是；生存虚拟机“；预测

我正试图利用癌症生存数据开发一个预测模型，并使用使用支持向量机方法的R包

survivalsvm

。在运行下面的代码之后，我得到了一些结果，但发现很难解释它。我知道，在Cox回归中，它预测了累积风险函数，但在

survivalsvm

中，它是相同的吗？我运行了Cox和survivalsvm两种模型，结果完全不同：

smodel_svm = survivalsvm(Surv(time, outcome) ~ radius.mean + tumor.size, data=training_set, gamma.mu = 1)
pred_test_svm = predict(smodel_svm, test_set)
summary(pred_test_svm)

---

差异可能是因为您使用的默认参数使用的是

type=“regression”

，它使用的是本文中所述的回归方法

总之，作者（Van Belle等人）提出了一种不同的方法（模型2和模型3），该方法基本上使用Cox模型，但同时具有回归和排名约束

注意但是作者得出结论：

模型2与模型2的比较 coxmodel显示在性能上没有显著差异。cox模型之上的模型2的优点在于易于扩展到非线性模型，而无需在建模之前检查变量的非线性

来自函数的文档（重点关注参数类型）：

以下表示用于实施的模型：

“回归”指的是回归方法，在Van Belle等人（2011b）中命名为SVCR

“vanbelle1”根据基于排名约束的生存支持向量机的第一个版本，由Van Belle等人命名为RANKSVMC（2011b）

“vanbelle2”根据Van Belle et al.（2011b）和

---

survivalsvm的预测必须解释为等级。生存支持向量机的方法是能够预测个体之间的等级，以估计哪位患者应该比其他患者更早接受治疗。有关R中包装使用的更多详细信息，请参见fouodo等人（2018）

你能解释一下为什么你期望他们会产生同样的结果吗？这个问题的前提似乎有缺陷。我假设的

predict.coxph

函数是“Cox回归预测”的意思，它返回“线性预测值”，即与协变量平均值差异相关的对数相对风险。有关更多详细信息和选项，请参阅其帮助页，并编辑问题正文以添加，包括用于任何需要的软件包的库cal，并澄清所询问的内容。进一步考虑后，应将此问题迁移到交叉验证。这实际上不是一个编码问题。