Random Survival Forest
Random Survival Forest (RSF), jonka Ishwaran, Kogalur, Blackstone ja Lauer esittelivät vuonna 2008, on koneoppimisen ensemble-menetelmä, joka mukauttaa Random Forest -algoritmin aika-tapahtuma- (selviytymis-) dataan. Puut kasvatetaan log-rank-jaolla sensuroitujen havaintojen luonnolliseen käsittelyyn, ja ensemble yhdistää kumulatiiviset riskifunktiot satojen puiden yli tuottaakseen ennusteita ja muuttujien tärkeysjärjestyksiä.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Menetelmäkartta
Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Random Survival Forest. ScholarGate. https://scholargate.app/fi/survival/random-survival-forest
Mikä menetelmä?
Aseta tämä menetelmä lähimpien sukulaistensa rinnalle ja lue niitä yhdessä — kirjasto asettaa teokset pöydälle; valinta on sinun.
- Kaplan-Meierin selviytymisestimaattoriElinaika-analyysi↔ vertaa
- Nelson-Aalen-estimaattoriElinaika-analyysi↔ vertaa
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →