Metodin todisteiden tietue

Random Survival Forest

Random Survival Forest (RSF), introduced by Ishwaran, Kogalur, Blackstone, and Lauer in 2008, is an ensemble machine learning method that adapts the Random Forest algorithm to time-to-event (survival) data. Trees are grown using log-rank splitting to handle censored observations naturally, and the ensemble aggregates cumulative hazard functions across hundreds of trees to produce predictions and variable importance rankings.

Sources recorded, not reviewed

Lähdetietue

Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.

Taksonominen metoditietue · survival / survival

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

Avaa koko metodi

Kuratoituja väitteitä

Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.

Ei vielä kuratoituja väitteitä

Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.

Liittyvät metodit

Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.

Same method familyKaplan-Meiermachine-suggested · Relational suggestion, not evidence.Same method familyNelson-Aalen Estimatormachine-suggested · Relational suggestion, not evidence.