Xgboost cox 生存时间入口

Question

在 xgboost 0.81 中 cox ph 生存模型的新实现中，如何指定事件的开始和结束时间？

谢谢

R 等效函数例如：

cph_mod = coxph(Surv(Start, Stop, Status) ~ Age + Sex + SBP, data=data)

Answer 1

XGBoost 不允许启动（即延迟进入）。如果对应用程序有意义，您可以随时更改基础时间刻度，以便所有主题从 time=0 开始。但是，XGBoost 确实允许右删失数据。似乎不可能找到任何关于如何实现 Cox 模型的文档/示例，但您可以从源代码中阅读"Cox regression for censored survival data (negative labels are considered censored)."

下面是一个简短的示例，供任何想要使用 obj="survival:cox" 尝试 XGBoost 的人使用。我们可以将结果与 scikit-learn 生存包 sksurv 进行比较。为了使 XGBoost 更类似于该框架，我们使用线性助推器而不是树助推器。

import pandas as pd
import xgboost as xgb
from sksurv.datasets import load_aids
from sksurv.linear_model import CoxPHSurvivalAnalysis

# load and inspect the data
data_x, data_y = load_aids()
data_y[10:15]
Out[586]: 
array([(False, 334.), (False, 285.), (False, 265.), ( True, 206.),
   (False, 305.)], dtype=[('censor', '?'), ('time', '<f8')])

# Since XGBoost only allow one column for y, the censoring information
# is coded as negative values:
data_y_xgb = [x[1] if x[0] else -x[1] for x in data_y]
data_y_xgb[10:15]
Out[3]: [-334.0, -285.0, -265.0, 206.0, -305.0]

data_x = data_x[['age', 'cd4']]
data_x.head()
Out[4]: 
    age    cd4
0  34.0  169.0
1  34.0  149.5
2  20.0   23.5
3  48.0   46.0
4  46.0   10.0

# Since sksurv output log hazard ratios (here relative to 0 on predictors)
# we must use 'output_margin=True' for comparability.
estimator = CoxPHSurvivalAnalysis().fit(data_x, data_y)
gbm = xgb.XGBRegressor(objective='survival:cox',
                       booster='gblinear',
                       base_score=1,
                       n_estimators=1000).fit(data_x, data_y_xgb)
prediction_sksurv = estimator.predict(data_x)
predictions_xgb = gbm.predict(data_x, output_margin=True)
d = pd.DataFrame({'xgb': predictions_xgb,
                  'sksurv': prediction_sksurv})
d.head()
Out[13]: 
     sksurv       xgb
0 -1.892490 -1.843828
1 -1.569389 -1.524385
2  0.144572  0.207866
3  0.519293  0.502953
4  1.062392  1.045287

d.plot.scatter('xgb', 'sksurv')

请注意，这些是对用于拟合模型的相同数据的预测。 XGBoost 似乎获得了正确的值，但有时使用线性变换。我不知道为什么。玩弄 base_score 和 n_estimators。也许有人可以添加到这个答案。