SurvBoost公司 swMATH ID: 23772 软件作者： 艾米莉·莫里斯（Emily Morris）、何凯文（Kevin He）、李彦明（Yanming Li）、李毅（Yi Li）和康健（Jian Kang） 描述： SurvBoost：一个R包，用于通过梯度提升在分层比例危险模型中选择高维变量。比例风险模型中的高维变量选择在不同领域有许多成功的应用。实际上，数据可能涉及不满足PH假设的混杂变量，在这种情况下，可以采用分层比例风险（SPH）模型通过混杂变量的分层来控制混杂效应，而无需直接建模混杂效应。然而，SPH模型中缺乏用于高维变量选择的高效统计软件。在这项工作中，开发了一个R包SurvBoost，以实现梯度推进算法，用于用高维协变量和其他混杂因素拟合SPH模型。大量仿真研究表明，与现有的R包相比，SurvBoost在许多情况下可以实现更好的选择精度，并大大减少计算时间，该包实现了无分层的boosting算法。在癌症基因组图谱（TCGA）研究中，对具有生存结果的基因表达数据的分析也说明了所提出的R包。此外，还提供了SurvBoost的详细实践教程。 主页： https://arxiv.org/abs/1803.07715 依赖项： 对 关键词： arXiv_状态.CO；arXiv_发布；R包；分层比例危险；SPH公司；SPH模型；梯度增强 相关软件： RcppArmadillo公司；卢比；Rcpp并行；姆博斯特；对 引用于： 0个文档 标准条款 1出版物描述软件 年份 SurvBoost：基于梯度提升的分层比例风险模型中高维变量选择的R包arXiv公司艾米莉·莫里斯（Emily Morris）、何凯文（Kevin He）、李彦明（Yanming Li）、李毅（Yi Li）和康健（Jian Kang） 2018