生存分析机器学习模型解释的一揽子解决方案-survex包（一）基本用法

文章预览

这篇示例总结了 survex 包的功能，通过比较两种生存模型。一种是 Cox 比例风险模型，另一种是随机生存森林，展示了解释功能，并找出两种模型之间的差异和相似之处。 官网地址：https://github.com/ModelOriented/survex 整体功能概览_cheetsheet 模型和解释器创建 为了本次演示，我们将使用 survival 包中的 veteran 数据集。第一步是创建用于预测的模型及其解释器。 需要注意的是，为了让 explain() 函数能够自动提取数据，我们必须在创建 coxph 模型时设置某些参数，或者手动提供它们。我们选择设置所需的参数。随机生存森林的解释器创建不需要任何额外步骤。 library(survex) library(survival) set.seed(123) vet  < - survival::veteran cph  < - coxph(Surv(time, status)~., data = vet, model = TRUE, x = TRUE) cph_exp  < - explain(cph) rsf  < - randomForestSRC::rfsrc(Surv(time, status)~., data = vet ………………………………