产生更有效的 for 循环

Question

我创建了一个函数，该函数将 Cox 回归模型应用于测试数据，基于协变量创建生存函数，然后预测每个测试观察的当前时间 30 天后的生存概率。

下面的示例使用了肺数据集并且效果很好。但是，应用于我自己的数据处理时间很繁琐。对于 n = 60000，我只是在一小时后停止了它，因为它不适合我打算使用该程序的目的。

看看代码结构，有没有明显的方法可以加快速度？

require(dplyr, survival, pec)

cox_model <- coxph(Surv(time, status) ~ sex, data = lung)

surv_preds <- function(model, query) {

  prediction <- vector(mode = "numeric", length = nrow(query))
  time <- 30

  for(i in 1:nrow(query)) {
    prediction[i] <- predictSurvProb(model, newdata = query[i, ], times = query[i, "time"] + time)
  }
  prediction
}

surv_preds(cox_model, lung)

Answer 1

除了问题中的包之外，另一种方法是purrrlyr 中的by_row 函数。

library(purrrlyr)

prediction <- lung %>%
  mutate(time = time + 30) %>%
  by_row(~predictSurvProb(cox_model, newdata = ., times = .$time)) %>%
  .$.out %>%
  unlist

在产生相同结果的同时，它更整洁，但是，microbenchmark 的早期运行并没有显示出处理时间的改进。

微基准

# Unit: seconds
#                        expr      min       lq    mean   median       uq      max neval
# surv_preds(cox_model, lung) 1.531631 1.561518 1.59431 1.574664 1.591117 2.157002   100
# (purrrlyr)                  1.841713 1.887438 1.921371 1.90474 1.92649  2.170205   100

这将使两种解决方案在我正在使用的硬件上运行超过 24 小时。 鉴于此答案似乎不再能解决您的问题，而且我不熟悉并行处理选项，我很乐意将其删除，除非有人发现将其保留在这里的价值。

Answer 2

解决了！！如果有兴趣，我想发布我使用的解决方案。我设法完全消除了对 for 循环的需求。

predictSurvProb(cox_model, 
                newdata = lung, 
                times = lung[ , "time"] + 30)[1, ]

这给了我我需要的输出。关键是我从结果矩阵中索引第一行及其所有列。此代码使用每个观察的唯一生存函数估计来预测从观察在曲线上的当前位置算起 30 天的生存概率。

@thc 的回答最终实际上为我指明了正确的方向。

Answer 3

您无需一次预测一行。您可以一次完成所有操作。例如：

cox_model <- coxph(Surv(time, status) ~ sex, data = lung)

surv_preds <- function(model, query) {

  prediction <- vector(mode = "numeric", length = nrow(query))
  time <- 30

  for(i in 1:nrow(query)) {
    prediction[i] <- predictSurvProb(model, newdata = query[i, ], times = query[i, "time"] + time)
  }
  prediction
}

surv_preds2 <- function(model, query) {

time <- 30

prediction <- predictSurvProb(model, newdata = query, times = query[, "time"] + time)
  prediction
}


microbenchmark(surv_preds(cox_model, lung), surv_preds2(cox_model, lung), times=5)

结果：

Unit: milliseconds
                         expr       min         lq      mean     median         uq        max neval cld
  surv_preds(cox_model, lung) 1017.5587 1031.58422 1056.7026 1062.30476 1072.33865 1099.72672     5   b
 surv_preds2(cox_model, lung)   30.3567   30.78582   35.7851   31.81206   33.00534   52.96559     5  a