这并不是一份对于非熟悉该软件包的人来说很容易理解的文档,但是它仍然是可以实现的。
加载数据。
data(pbc, package = "randomForestSRC")
创建试用和测试数据集
pbc.trial <- pbc
pbc.test <- pbc
建立我们的模型
rfsrc_pbc <- rfsrc(Surv(days, status) ~ .,
data = pbc.trial,
na.action = "na.impute")
测试模型
test.pred.rfsrc <- predict(rfsrc_pbc,
pbc.test,
na.action="na.impute")
所有的有用信息都包含在我们的预测对象中。$survival对象是一个n行(每个患者1行)和n列(每个时间兴趣1列 - 这些是自动选择的,但您可以使用ntime参数进行约束)。我们的矩阵是106x122。
test.pred.rfsrc$survival
< p >
$time.interest
对象是一个不同的 "time.interest" 列表 (122 个,与我们从
$surival
得到的矩阵的列数相同)。
test.pred.rfsrc$time.interest
假设我们想要查看在5年时的预测状态,我们需要找出距离1825天(因为我们的测量周期是以天为单位)最接近的时间。当我们查看
$time.interest
对象时,我们看到第83行= 1827天,大约5年。
$time.interest
中的第83行对应于我们的
$survival
矩阵中的第83列。因此,要查看5年后生存的预测概率,我们只需要查看矩阵的第83列。
test.pred.rfsrc$survival[,83]
您可以针对您感兴趣的任何时间点执行此操作。