生存分析-随机森林实验与代码

生存分析-随机森林实验与代码

ID:37777765

大小:43.07 KB

页数:8页

时间:2019-05-31

生存分析-随机森林实验与代码_第1页
生存分析-随机森林实验与代码_第2页
生存分析-随机森林实验与代码_第3页
生存分析-随机森林实验与代码_第4页
生存分析-随机森林实验与代码_第5页
资源描述:

《生存分析-随机森林实验与代码》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、随机森林模型在生存分析中的应用【摘要】目的:本文探讨随机森林方法用于高维度、强相关、小样本的生存资料分析时,可以起到变量筛选的作用。方法:以乳腺癌数据集构建乳腺癌转移风险评估模型为实例进行实证分析,使用随机森林模型进行变量选择,然后拟合cox回归模型。结果:随机森林模型通过对变量的选择,有效的解决数据维度高且强相关的情况,得到了较高的AUC值。一、数据说明该乳腺癌数据集来自于NCBI,有77个观测值以及22286个基因变量。通过筛选选取454个基因变量。将数据随机分为训练集合测试集,其中2/3为训练集,1/3为测试集。绘制K-M曲线图:二、随机森林模型随机森林由许多的决策树组成,因为这

2、些决策树的形成采用了随机的方法,因此也叫做随机决策树。随机森林中的树之间是没有关联的。当测试数据进入随机森林时,其实就是让每一颗决策树进行分类,最后取所有决策树中分类结果最多的那类为最终的结果。因此随机森林是一个包含多个决策树的分类器,并且其输出的类别是由个别树输出的类别的众数而定。使用randomForestSRC包得到的随机森林模型具有以下性质:Numberofdeaths:27Numberoftrees:800Minimumterminalnodesize:3Averageno.ofterminalnodes:14.4275No.ofvariablestriedateachspl

3、it:3Totalno.ofvariables:452Analysis:RSFFamily:survSplittingrule:logrankErrorrate:19.87%发现直接使用随机森林得到的模型,预测误差很大,达到了19.8%,进一步考虑使用随机森林模型进行变量选择,结果如下:>our.rf$rfsrc.refit.objSamplesize:52Numberofdeaths:19Numberoftrees:500Minimumterminalnodesize:2Averageno.ofterminalnodes:11.554No.ofvariablestriedateach

4、split:3Totalno.ofvariables:9Analysis:RSFFamily:survSplittingrule:logrank*random*Numberofrandomsplitpoints:10Errorrate:11.4%>our.rf$topvars[1]"213821_s_at""219778_at""204690_at""220788_s_at""202202_s_at"[6]"211603_s_at""213055_at""219336_s_at""37892_at"一共选取了9个变量,同时误差只有11.4%接下来,使用这些变量做cox回归,剔除模型中不

5、显著(>0.01)的变量,最终参与模型建立的变量共有4个。模型结果如下:exp(coef)exp(-coef)lower.95upper.95`218150_at`1.65410.60460.1108624.6800`200914_x_at`0.99151.00860.340942.8833`220788_s_at`0.26493.77500.059441.1805`201398_s_at`1.74570.57290.331099.2038`201719_s_at`2.47080.40470.938086.5081`202945_at`0.41182.42840.039904.2499

6、`203261_at`3.15020.31740.3364129.4983`203757_s_at`0.78611.27200.616561.0024`205068_s_at`0.10739.31800.022230.5181最后选取六个变量拟合生存模型,绘制生存曲线如下:下面绘制ROC曲线,分别在训练集和测试集上绘制ROC曲线,结果如下:训练集:测试集:由于测试集上的样本过少,所以得到的AUC值波动大,考虑使用bootstrap多次计算训练集上的AUC值并求平均来测试模型的效果:AUCat1year:0.8039456AUCat3year:0.6956907AUCat5year:0.

7、7024846由此可以看到,随机森林通过删除贡献较低的变量,完成变量选择的工作,在测试集上具有较高的AUC值,但是比lasso-cox模型得到的AUC略低。附录:load("~/R/brea.rda")library(survival)set.seed(10)i<-sample(1:77,52)train<-dat[i,]test<-dat[-i,]library(randomForestSRC)disease.rf<-rfsrc(Surv(t

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。