GBMCI公司

基于一致性指数直接优化的生存分析梯度boosting算法。重点是时间预测和事件分析。许多统计模型被提出用于生存分析。他们经常对危险函数施加强有力的假设,这些函数描述了事件的风险如何随着时间的推移而变化,这取决于与每个个体相关的协变量。特别是,流行的比例危险模型假设协变量与危险性是相乘的。在这里,我们提出了一个生存分析的非参数模型,它没有明确地假设特定形式的危险函数。我们的非参数模型利用回归树的集合来确定风险函数如何根据相关协变量而变化。集成模型采用梯度推进法训练,以优化一致性指数的平滑近似,这是生存模型性能评估中使用最广泛的指标之一。我们在一个名为GBMCI(一致性指数梯度提升机)的软件包中实现了我们的模型,并用一个大规模的乳腺癌预后数据集将我们的模型的性能与其他流行的生存模型进行了对比。我们的实验表明,基于多个协变量设置,GBMCI始终优于其他方法。GBMCI是在R中实现的,可以在网上免费获得。