Zufälliger Überlebenswald
Der Random Survival Forest (RSF), eingeführt von Ishwaran, Kogalur, Blackstone und Lauer im Jahr 2008, ist eine Ensemble-Methode des maschinellen Lernens, die den Random Forest-Algorithmus an Zeit-bis-Ereignis-Daten (Überlebensdaten) anpasst. Die Bäume werden mittels Log-Rank-Splitting erstellt, um zensierte Beobachtungen natürlich zu behandeln, und das Ensemble aggregiert kumulative Hazard-Funktionen über Hunderte von Bäumen, um Vorhersagen und Ranglisten der Variablenwichtigkeit zu erzeugen.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). Random Survival Forest. ScholarGate. https://scholargate.app/de/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 ÜberlebensschätzerÜberlebenszeitanalyse↔ compare
- Nelson-Aalen-Schätzer für die kumulative HazardfunktionÜberlebenszeitanalyse↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →