生存模型的XGBoost (Python)预测
生存模型的XGBoost (Python)预测
提问于 2018-11-28 14:13:15
Xgboost的文档意味着使用Cox PH损失训练的模型的输出将是个人预测乘数的指数(相对于基线风险)。没有办法从这个模型中提取基线风险来预测每个人的整个生存曲线吗？
生存: Cox :对右截尾生存时间数据的Cox回归(负值被认为是右截尾)。请注意，在风险比标度上返回预测值(即比例风险函数h(t) = h0(t) * HR中的HR=exp(H0))。
回答 1
Stack Overflow用户
发布于 2019-01-06 17:59:50
不，我想不是。解决办法是在另一个软件包(如from sksurv.linear_model import CoxPHSurvivalAnalysis或require(survival)在R中)中拟合基线危险。然后，您可以使用预测的输出从XGBoost作为乘子的拟合基线。只要记住，如果基线在日志规模上，那么使用output_margin=True并添加预测。
我希望XGBoost的作者不久将提供一些如何使用此函数的示例。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/53521427
复制相关文章
相似问题
腾讯云开发者
