带有XGBoost的Cox PH模型，如何获得生存时间？

【问题标题】：Cox PH model with XGBoost, how to get survival time?带有XGBoost的Cox PH模型，如何获得生存时间？
【发布时间】：2020-05-17 14:50:21
【问题描述】：

clf = XGBRegressor(objective='survival:cox', min_child_weight=4, gamma=0.50,
                   subsample=0.6, eta=1, max_depth=10, booster='gblinear', reg_lambda = 2)

当我使用这个目标时，我只得到风险比 (HR)（即，比例风险函数 h(t) = h0(t) * HR 中的 HR = exp(marginal_prediction)）。我想得到整个生存时间的预测。我如何通过 XGBoost 实现这一目标？

感谢您的帮助

【问题讨论】：

标签： python xgboost survival-analysis non-linear-regression cox-regression

【解决方案1】：

我如何通过 XGBoost 实现这一目标？

如果您同意偏离比例风险假设，请尝试加速故障时间 (AFT) 模型（请参阅 documentation 和 paper）。而不是建模HR, AFT 模型尝试直接预测生存时间的对数。

如果你想坚持比例风险，看起来有一种方法可以估计 $h_0(t)$，至少在 R 中 - 所以你可能必须在 python 中复制它（参见this堆栈溢出答案） .

【讨论】：