在 R 程序中的随机生存森林中具有 RMSE

Question

我应该在三个模型中使用 RMSE 来将它们相互比较，以确定哪个模型比其他模型更好。我应该运行的模型是生存决策树、随机生存森林和 Bagging。我一直在运行我的模型，但最后我只有一些预测。我带来了以下随机生存森林结果。我应该怎么做才能获得 RMSE？

library(survival)

library(randomForestSRC)

dataset<-data.frame(data)

dataset

n.sample=round(0.5*nrow(dataset))

dataset1=sample (1: nrow(dataset),n.sample)

train=data[dataset1,]

test= data[-dataset1 ,]

set.seed(1369)

rsf0=rfsrc(Surv(time,status)~.,train,importance=TRUE,forest=T,ensemble="oob",mtry=NULL,block.size=1,splitrule="logrank")

print(rsf0)

结果：
样本量：821
死亡人数：209
树的数量：1000
森林终端节点大小：15
平均数终端节点数：38.62
每次拆分时尝试的变量数：4
总数变量数：14
重采样用于种植树木：shor
用于种植树木的重采样大小：519
分析：RSF
家庭：生存
拆分规则：logrank random
随机分割点数：10
错误率：36.15%

Answer 1

我认为您对生存分析模型通常用于什么有点误解。通常我们想要预测生存时间的分布，而不是生存时间本身。 RMSE 只能在预测实际生存时间时使用。在您的示例中，您讨论的模型进行了分布预测。

首先我稍微清理了您的代码并添加了一个示例数据集以使其可重现：

library(survival)
library(randomForestSRC)

# use the rats dataset to make the example reproducible
dataset <- data.frame(survival::rats)
dataset$sex <- factor(dataset$sex)

# note that you need to set.seed before you use `sample`
set.seed(1369)

# again specifying train/test split but this time as two separate sets of integers
train = sample(nrow(dataset), 0.5 * nrow(dataset))
test = setdiff(seq(nrow(dataset)), train)

# train the random forest model on the training data
rsf0 = rfsrc(Surv(time,status)~., dataset[train, ], importance=TRUE, forest=T, 
ensemble="oob", mtry=NULL, block.size=1, splitrule="logrank")

# now make predictions
predictions = predict(rsf0, newdata = dataset[-train, ])

# view the predicted survival probabilities
predictions$survival

使用这些概率，您必须决定如何将它们转换为生存时间预测，然后您必须在首先删除所有删失观察后手动计算 RMSE。生存时间的常见转换是采用预测个体分布的平均值或中位数。

作为替代方案，并在此处插入我自己的包，您可以使用 {mlr3proba} 为您执行此操作：

# load required packages
library(mlr3); library(mlr3proba);library(mlr3extralearners); library(mlr3pipelines)

# use the rats dataset to make the example reproducible
dataset <- data.frame(survival::rats)
dataset$sex <- factor(dataset$sex)

# note that you need to set.seed before you use `sample`
set.seed(1369)

# again specifying train/test split but this time as two separate sets of integers
train = sample(nrow(dataset), 0.5 * nrow(dataset))
test = setdiff(seq(nrow(dataset)), train)

# select the random forest model and use the `crankcompositor` to automatically
# create survival time predictions
learn = ppl("crankcompositor", lrn("surv.rfsrc"), response = TRUE, graph_learner = TRUE)

# create a task which stores your dataset
task = TaskSurv$new("data", backend = dataset, time = "time", event = "status")

# train your learner on training data
learn$train(task, row_ids = train)

# make predictions on test data
predictions = learn$predict(task, row_ids = test)

# view your survival time predictions
predictions$response

# calculate RMSE
predictions$score(msr("surv.rmse"))

如果您不习惯 R6，则第二个选项会更复杂，但我怀疑在您的用例中它会对您有所帮助，因为您还可以同时比较多个模型。