带有partykit的自定义拆分规则

以下是这个问题：

我非常感兴趣的工具，可以处理树生长与定制的标准，这样我可以测试不同的模型

我尝试使用partykit R软件包来生长一棵树，其拆分规则由Cox模型的负对数似然（在Cox模型的情况下为对数准似然）给出，并且在每个叶中拟合一个Cox模型

正如我在阅读关于MOB函数的小插曲时所理解的，有两种方法可以实现我自己的分割标准，即获取fit函数返回列表或模型对象

出于我的目的，我尝试了这两种解决方案，但都失败了

解决方案1：返回列表对象：

我以“暴民”小插曲中的“乳腺癌数据集”为例

我试过这个：

cox1 = function(y,x, start = NULL, weights = NULL, offset = NULL, ...,
           estfun = FALSE, object = TRUE){
  res_cox = coxph(formula = y ~ x )
list(
  coefficients = res_cox$coefficients,
  objfun = - res_cox$loglik[2],
  object = res_cox)
}


mob(formula = Surv(time, cens) ~ horTh + pnodes - 1 | age + tsize + tgrade + progrec +
  estrec + menostat , 
    data = GBSG2 ,
    fit = cox1,
    control = mob_control(alpha = 0.0001) )

cox2 = function(y,x, start = NULL, weights = NULL, offset = NULL, ... ){
  res_cox = coxph(formula = y ~ x )
}

logLik.cox2 <- function(object, ...)
  structure( - object$loglik[2], class = "logLik")

mob(formula = Surv(time, cens) ~ horTh + pnodes - 1 | age + tsize + tgrade + progrec +
  estrec + menostat , 
    data = GBSG2 ,
    fit = cox2,
    control = mob_control(alpha = 0.0001 ) )

有一个关于X矩阵奇异性的警告，mob函数是一个只有一个节点的树（即使alpha值较小）

请注意，运行coxph函数时，X矩阵没有奇异性问题：

res_cox = coxph( formula = Surv(time, cens) ~ horTh + pnodes  ,
             data = GBSG2 )

解决方案2：返回一个coxph.object：

我试过这个：

cox1 = function(y,x, start = NULL, weights = NULL, offset = NULL, ...,
           estfun = FALSE, object = TRUE){
  res_cox = coxph(formula = y ~ x )
list(
  coefficients = res_cox$coefficients,
  objfun = - res_cox$loglik[2],
  object = res_cox)
}


mob(formula = Surv(time, cens) ~ horTh + pnodes - 1 | age + tsize + tgrade + progrec +
  estrec + menostat , 
    data = GBSG2 ,
    fit = cox1,
    control = mob_control(alpha = 0.0001) )

cox2 = function(y,x, start = NULL, weights = NULL, offset = NULL, ... ){
  res_cox = coxph(formula = y ~ x )
}

logLik.cox2 <- function(object, ...)
  structure( - object$loglik[2], class = "logLik")

mob(formula = Surv(time, cens) ~ horTh + pnodes - 1 | age + tsize + tgrade + progrec +
  estrec + menostat , 
    data = GBSG2 ,
    fit = cox2,
    control = mob_control(alpha = 0.0001 ) )

cox2=函数（y，x，start=NULL，weights=NULL，offset=NULL，…）{
res_cox=coxph（公式=y~x）
}
logLik.cox2您设置的
cox1（）
和
linear\u reg（）
函数的问题在于您没有提供估算函数。由于这些是选择分割变量的推理的基础，如果不提供这些参数，则算法根本不会分割。有关此问题的一些讨论，请参阅最近的文章

但是对于
coxph（）。因此，您的
cox2（）
方法更容易实现

后者不能正常工作的原因是
coxph（）
中对截取的特殊处理。在内部，这总是强制截距进入模型，但随后从设计矩阵中忽略第一列。当通过
mob（）
与此接口时，您需要小心不要弄糟它，因为
mob（）
设置了自己的模型矩阵。由于排除了拦截，
mob（）
认为它可以估计
horTh
的两个级别。但事实并非如此，因为在Cox-PH模型中未确定截距

在这种情况下（IMO）的最佳解决方案是：让
mob（）
设置一个截取，但在将模型矩阵传递给
coxph（）
时再次排除它。由于生成的对象有
coef（）
、
logLik（）
和
estfun（）
方法，因此可以使用
cox2（）
函数的简单设置

软件包和数据：

library("partykit")
library("survival")
data("GBSG2", package = "TH.data")

拟合函数：

cox <- function(y, x, start = NULL, weights = NULL, offset = NULL, ... ) {
  x <- x[, -1]
  coxph(formula = y ~ 0 + x)
}

谢谢你的帮助，我一直在用它，我也去了你去过的地方。我的问题是该函数没有提供任何分割：就像你的例子一样，我通过不分割得到一个内部节点。在cox（）的规范中是否有我遗漏的东西？或者我需要调整分区控件吗？可能没有检测到明显的分割。这是基于Cox的树经常遇到的问题。原因似乎是Cox模型中（未指定）的基线风险可以吸收如此多的异质性。即使检测到分裂，也会使用两个完全不确定/灵活的独立基线危险，这在许多情况下是致命的。相反，我通常更喜欢使用参数生存模型，其中一些参数用于基线风险，例如威布尔模型。关于一个有效的示例，请参见《小插曲》（“mob”，package=“partykit”）
中的第4.5节。是的，这就是问题所在。我没有意识到模型中包含了默认的Bonferroni校正，所以当一个像
mob（Surv（t，e）~x|a+b）
这样的模型找到了结果，但是
mob（Surv（t，e）~x|a+b+c+d）
我不认为有问题，但当我关闭校正时，我得到了可复制的结果（c和d被作为变量吸进）。谢谢
mb <- mob(formula = Surv(time, cens) ~ horTh + pnodes | age + tsize + tgrade + progrec + estrec + menostat, 
  data = GBSG2, fit = cox)
mb
## Model-based recursive partitioning (cox)
## 
## Model formula:
## Surv(time, cens) ~ horTh + pnodes | age + tsize + tgrade + progrec + 
##     estrec + menostat
## 
## Fitted party:
## [1] root: n = 686
##       xhorThyes     xpnodes 
##     -0.35701115  0.05768026  
## 
## Number of inner nodes:    0
## Number of terminal nodes: 1
## Number of parameters per node: 2
## Objective function: 1758.86