Random Survival Forest
Το Random Survival Forest (RSF), που εισήχθη από τους Ishwaran, Kogalur, Blackstone και Lauer το 2008, είναι μια μέθοδος μηχανικής μάθησης συνόλου (ensemble) που προσαρμόζει τον αλγόριθμο Random Forest σε δεδομένα χρόνου-έως-συμβάντος (επιβίωσης). Τα δέντρα αναπτύσσονται χρησιμοποιώντας διαχωρισμό κατά log-rank για τη φυσική διαχείριση παρατηρήσεων με λογοκρισία (censored observations), και το σύνολο συγκεντρώνει αθροιστικές συναρτήσεις κινδύνου (cumulative hazard functions) από εκατοντάδες δέντρα για την παραγωγή προβλέψεων και κατατάξεων σπουδαιότητας μεταβλητών.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 1). Random Survival Forest. ScholarGate. https://scholargate.app/el/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.
- Εκτιμητής Επιβίωσης Kaplan-MeierΑνάλυση Επιβίωσης↔ compare
- Εκτιμητής Αθροιστικού Κινδύνου Nelson-AalenΑνάλυση Επιβίωσης↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →