换一批随机生存森林在高维基因组数据生存分析中的应用
The Application of Random Survival Forest to Survival Analysis in High-dimensional Data
摘要目的 探讨随机生存森林(RSF)在高维基因组数据生存分析中的应用和适用性.方法 通过模拟实验和实际数据分析,对随机生存森林、生存支持向量机(SSVM)和偏Cox回归(PCR)三种方法进行比较,并用生存预测的一致性错误率对其进行评价.结果 模拟实验表明,在有交互作用的情况下,RSF的log-rank和logrankscore方法的预测效果均优于SSVM和PCR方法;实际数据分析结果显示,随机生存森林与生存支持向量机和偏Cox回归的预测效果相近,应用RSF方法筛选变量后建立的RSF模型能够在一定程度上提高预测效果.结论 随机生存森林方法适用于高维生存数据的研究,对疾病的生存时间预测和预后因素分析具有实用价值.
更多相关知识
关键词
随机生存森林偏Cox回归生存预测变量筛选Random survival forestPartial Cox regressionSurvival predictionVariable selection
栏目名称
发布时间
2014-02-26（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览789
- 被引23
- 下载115
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
