mlr3：从 surv.gbm 获得响应（预测生存时间）答案

【问题标题】：mlr3: obtaining response (predicted survival time) from surv.gbmmlr3：从 surv.gbm 获得响应（预测生存时间）
【发布时间】：2020-10-01 13:35:24
【问题描述】：

mlr3 框架中的surv.gbm 输出线性预测变量，但是我真正感兴趣的是每个案例的预测生存时间，我想将其与实际生存时间进行比较。有没有办法获得实际的生存时间？

在 mlr3 书中，有一个线性预测变量和分布之间的转换示例。

pod = po("distrcompose", param_vals = list(form = "ph", overwrite = FALSE))
prediction = pod$predict(list(base = prediction_distr, pred = prediction_lp))$output

有没有办法改变这个管道，以便将“lp”转换为“response”？

如有任何帮助，将不胜感激。

【问题讨论】：

标签： r survival-analysis gbm mlr3

【解决方案1】：

是的，这绝对是可能的，它只需要另一个转换。您的第一步是正确地从线性预测器组成分布；当您使用 surv.gbm 时，只有 Cox PH 可以作为基础模型，因此 distrcompose 的默认值适用于此。

现在您需要使用crankcompose 从分布中创建生存时间预测，您可以使用分布的均值、中值或众数，人们通常选择均值或中值，但这是您的选择！只需确保包含response = TRUE, overwrite = FALSE。下面的示例代码包括使用 RMSE 创建预测和评分（非常好！）。我认为这本书可能需要更新...

谢谢，拉斐尔

library(mlr3extralearners)
library(mlr3proba)
library(mlr3pipelines)
library(mlr3)

learn =  ppl("crankcompositor", ppl("distrcompositor", lrn("surv.gbm")),
             response = TRUE, overwrite = FALSE, method = "mean",
             graph_learner = TRUE)
set.seed(1)
task = tgen("simsurv")$generate(50)
learn$train(task)
p = learn$predict(task)
p$score(msr("surv.rmse"))

【讨论】：

感谢您的回答，它有效！如果你打算更新这本书，我认为对这个框架的新手最有用的方法是包含一个完整工作流的示例，从任务到可视化，并在新数据集上进行预测。
感谢您的反馈！我认为生存章节假设人们至少会阅读介绍章节。还有从任务到预测/可视化的示例，我很乐意在需要的地方添加细节，但不确定您认为哪些部分需要更多示例？
我建议的大部分内容已经在本章中介绍过，它相当于整个工作流程的 70%。使它完整的方法是制作类似于此博客中最后一个情节的情节：rviews.rstudio.com/2017/09/25/survival-analysis-with-r。目前，自动绘图似乎不适用于生存预测，无论如何您都会期望与一般输出略有不同。只有当我预测的生存曲线接近实际数据（KM 曲线）时，我才会发现结果令人信服。但这正在变成一个功能请求。 :-)
啊，好点，我们确实有预测误差曲线和模拟预测的绘图特征，我还想添加校准图。随意对这些问题进行投票，这样我就不会忘记它们：github.com/mlr-org/mlr3proba/issues/155 github.com/mlr-org/mlr3proba/issues/156
最后一个问题：是否有内部方法来获取预测的事件状态（TRUE/FALSE）？如果我理解正确，您将需要曲柄的截止值。我可以手动生成一个截止值，但它需要与 ci 保持一致。因此，如果这已经实现，那就太好了。