Random Survival Forest
Random Survival Forest (RSF), introduceret af Ishwaran, Kogalur, Blackstone og Lauer i 2008, er en ensemble-maskinlæringsmetode, der tilpasser Random Forest-algoritmen til tid-til-hændelse (survival) data. Træer bygges ved hjælp af log-rank splitting for naturligt at håndtere censurerede observationer, og ensemblet aggregerer kumulative hazard-funktioner på tværs af hundredvis af træer for at producere forudsigelser og rangeringer af variabel betydning.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Ishwaran, H., Kogalur, U.B., Blackstone, E.H. & Lauer, M.S. (2008). Random Survival Forests. Annals of Applied Statistics, 2(3), 841–860. DOI: 10.1214/08-AOAS169 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Random Survival Forest. ScholarGate. https://scholargate.app/da/survival/random-survival-forest
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Kaplan-Meier overlevelsesestimatorOverlevelsesanalyse↔ compare
- Nelson-Aalen Estimator for Kumulativ RisikofunktionOverlevelsesanalyse↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →