针对时间固定与时间依赖预测变量的随机森林：DynForest R 包
机器学习
2024-04-12 v2 机器学习
摘要
R 包 DynForest 实现了基于时间固定和时间依赖预测变量来预测连续、分类或（多原因）事件发生时间结果的随机森林。DynForest 的主要独创性在于它能够处理时间依赖预测变量，这些变量可以是内生的（即受结果过程影响）、带有测量误差的，并且在个体特定时间点进行测量。在树构建过程的每个递归步骤中，时间依赖预测变量被内部汇总为可以进行分裂的个体特征。这是通过灵活的线性混合模型（借助 R 包 lcmm）实现的，其规范由用户预先指定。对于连续结果，DynForest 返回均值；对于分类结果，返回多数投票的类别；对于生存结果，返回随时间变化的累积发生率函数。DynForest 还计算变量重要性和最小深度，以提供关于最具预测性的变量或变量组的信息。本文旨在通过逐步示例指导用户使用 DynForest 拟合随机森林。
引用
@article{arxiv.2302.02670,
title = {Random Forests for time-fixed and time-dependent predictors: The DynForest R package},
author = {Anthony Devaux and Cécile Proust-Lima and Robin Genuer},
journal= {arXiv preprint arXiv:2302.02670},
year = {2024}
}