Methodenbewijsdossier

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

Bronrecord

Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.

Taxonomisch methodendossier · 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

Volledige methode openen

Gecureerde claims

Claims opgeslagen in het bewijsregister, elk met zijn eigen beoordeling.

Nog geen gecureerde claims

Deze weergave verzint geen claimbeoordeling als het register er geen heeft.

Gerelateerde methoden

Gegenereerd uit de methodegraaf en getoond als machinaal voorgestelde relaties — er wordt geen bewijsclaim afgeleid.

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