用于失访功能数据的随机生存森林
统计方法学
2025-02-25 v1 机器学习
摘要
本文介绍了一种用于功能数据的随机生存森林（Random Survival Forest, RSF）方法。具体焦点是定义一种新型功能数据结构——Censored Functional Data（CFD），用于处理因研究限制或数据收集不完整而产生的时序观测数据。该方法允许精确建模功能生存轨迹，从而改进对不同群体中生存动力学的解释和预测。本文呈现了一个针对基准数据集 SOFA 的医学生存研究。结果表明，所提出的方法在排序预测变量重要性方面表现良好，这通过 SOFA 评分和患者死亡率的动态变化来体现。
引用
@article{arxiv.2407.15340,
title = {Random Survival Forest for Censored Functional Data},
author = {Elvira Romano and Giuseppe Loffredo and Fabrizio Maturo},
journal= {arXiv preprint arXiv:2407.15340},
year = {2025}
}
备注
18 pages