XGBoost（Python）预测生存模型

Question

XGBoost（Python）预测生存模型

pythonxgboost

3

Xgboost的文档表明，使用Cox PH loss训练的模型输出将是预测乘数（相对于基线风险）的指数。是否没有办法从该模型中提取基线风险以预测每个人的整个生存曲线？

生存时间数据的Cox回归用于右侧截尾生存时间数据（负值被视为右侧截尾）。请注意，预测结果以风险比例尺返回（即在比例危险函数h(t)=h0(t)*HR中作为HR=exp(marginal_prediction)）。

- B_Miner

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- PeterStrom · Accepted Answer

不，我认为不行。一个解决方法是在另一个软件包中适配基线风险，例如from sksurv.linear_model import CoxPHSurvivalAnalysis或者在R中使用require(survival)。然后，您可以使用XGBoost的预测输出作为适配基线的乘数。只需记住，如果基线处于对数刻度上，则使用output_margin=True并添加预测值即可。

我希望XGBoost的作者们很快能提供一些如何使用此函数的示例。