核诱导随机生存森林
机器学习
2010-08-25 v1
摘要
核诱导随机生存森林 (KIRSF) 是一种旨在提高生存数据预测准确性的统计学习算法。与随机生存森林 (RSF) 一样，对测试集中的每个个体预测累积风险函数。预测误差使用 Harrell 的一致性指数 (C 指数) [Harrell et al. (1982)] 进行估计。C 指数可解释为误分类概率，且不依赖于单个固定的评估时间。C 指数还专门考虑了删失。通过利用核函数，KIRSF 在许多情况下取得了比 RSF 更好的结果。在本报告中，我们展示了如何将核函数融入 RSF。我们测试了 KIRSF 的性能，并将我们的方法与 RSF 进行了比较。我们发现 KIRSF 的性能在许多情况下优于 RSF。
关键词
引用
@article{arxiv.1008.3952,
title = {Kernel induced random survival forests},
author = {Fang Yang and Jiheng Wang and Guangzhe Fan},
journal= {arXiv preprint arXiv:1008.3952},
year = {2010}
}
备注
16 Pages, 7 figures