coxph损失函数的GBM-in-r

我在r中使用gbm来预测生存率（distribution=“coxph”）

gbm.predict（..，type=“response”）时的预测值大约在[-0.001到0.5]之间

---

如何解释新样本的风险，而不存在0到1（[0,1]）。

如果您查看bazehaz.gbm，您将看到gbm.predict给出了lambda_0（t）

所以你可以这样做（我希望）：

如果你在寻找生存函数。。我正在做这件事。：）

---

附言：在对XB思想的估计中有一种奇怪的行为。。因为它会随着树的数量发生显著变化：（

我尝试了你的方法，为什么XB和XBnew是相同的，即使我使用不同的数据这已经解决了？我对预测生存函数感兴趣。谢谢！如果我将测试变量添加到调用

predict

的结果中，似乎我得到了一些有意义的（？）。那就是：

X.pred
The proportional hazard model assumes h(t|x)=lambda(t)*exp(f(x)).
gbm can estimate the f(x) component via partial likelihood.
After estimating f(x), basehaz.gbm can compute the a nonparametric estimate of lambda(t).

model = gbm(Surv(durata, status2015) ~ .-fold, data= ...)
XB =predict.gbm(model, n.trees = ..., type = "response")

lambda0 = basehaz.gbm(t = data$time, delta = data$censoring,  t.eval =   sort(unique(data$time)), cumulative = FALSE, f.x = XB , smooth=T)
XBnew =predict.gbm(model, n.trees = ..., data=newData, type = "response")

hazard = h(t|x)= lambda0*exp(XBnew).