Ich bin verwirrt, wie man die Ausgabe von .predict aus einem angepassten CoxnetSurvivalAnalysis -Modell in scikit-survival interpretiert. Ich habe das Notizbuch durchgelesen Intro Survival-Analyse in scikit-survival und der API-Referenz, kann aber keine Erklärung finden. Unten ist ein minimales Beispiel, was zu meiner Verwirrung führt:
Also hier ist das X ins Modell:
%Vor%... zum passenden Modell und zur Erzeugung von Vorhersagen:
%Vor% preds hat die gleiche Anzahl von Datensätzen wie X , aber ihre Werte unterscheiden sich wayyy von den Werten in data_y , selbst wenn sie auf denselben Daten vorhergesagt wurden, auf die sie angepasst wurden.
Ausgabe:
%Vor% Also was genau sind preds ? Klar .predict bedeutet hier etwas ganz anderes als in scikit-learn, aber ich weiß nicht was. Die API-Referenz gibt an, dass sie "Die vorhergesagte Entscheidung" zurückgibt Funktion, "aber was bedeutet das? Und wie komme ich zur prognostizierten Schätzung in Monaten yhat für eine gegebene X ? Ich bin neu in der Überlebensanalyse, also fehlt mir offensichtlich etwas.
Ich habe diese Frage auf github gestellt, obwohl der Autor die Fragefrage umbenannt hat.
Ich habe eine hilfreiche Erklärung dafür erhalten, wie viel predict ausgegeben wird, bin mir aber immer noch nicht sicher, wie ich zu einer Reihe von vorhergesagten Überlebenszeiten komme, was ich wirklich will. Hier ein paar hilfreiche Erklärungen zu diesem GitHub-Thread:
-sebp (Bibliotheksautor)
%Vor%-Pavopax.
Es gibt mehr Erklärungen im GitHub-Thread, obwohl ich nicht wirklich in der Lage war, dem Ganzen zu folgen. Ich muss mit predict_survival_function und predict_cumulative_hazard_function herumspielen und schauen, ob ich zu einer Reihe von Vorhersagen für die wahrscheinlichste Überlebenszeit nach Zeilen in X komme, was ich wirklich will.
Ich werde diese Antwort hier nicht akzeptieren, falls jemand anderes einen besseren hat.
Mit dem X-Eingang erhalten Sie eine Auswertung des Eingangsarrays:
%Vor%Die Definition check_array kommt von einer anderen Bibliothek . Sie können den Code von coxnet überprüfen.
Tags und Links python machine-learning survival-analysis scikit-survival