Random Survival Forest
Random Survival Forest (RSF), geïntroduceerd door Ishwaran, Kogalur, Blackstone en Lauer in 2008, is een ensemble machine learning-methode die het Random Forest-algoritme aanpast voor time-to-event (survival) data. Bomen worden gegroeid met behulp van log-rank splitting om gecensureerde observaties natuurlijk te behandelen, en het ensemble aggregeert cumulatieve hazardfuncties over honderden bomen om voorspellingen en variabele belangrijkheidsranglijsten te produceren.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Random Survival Forest. ScholarGate. https://scholargate.app/nl/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.
- Kaplan-Meier OverlevingsschatterOverlevingsanalyse↔ compare
- Nelson-Aalen Cumulatieve Hazard SchatterOverlevingsanalyse↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →