Random Survival Forest
Random Survival Forest (RSF), introdotto da Ishwaran, Kogalur, Blackstone e Lauer nel 2008, è un metodo di machine learning d'insieme che adatta l'algoritmo Random Forest ai dati di tempo-all'evento (sopravvivenza). Gli alberi vengono costruiti utilizzando lo splitting log-rank per gestire naturalmente le osservazioni censurate, e l'insieme aggrega le funzioni di rischio cumulative attraverso centinaia di alberi per produrre previsioni e classifiche di importanza delle variabili.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 1). Random Survival Forest. ScholarGate. https://scholargate.app/it/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.
- Stima di Kaplan-Meier della SopravvivenzaAnalisi di sopravvivenza↔ compare
- Stimatore di rischio cumulativo di Nelson-AalenAnalisi di sopravvivenza↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →