Random Survival Forest
Random Survival Forest (RSF), wprowadzony przez Ishwaran, Kogalur, Blackstone i Lauer w 2008 roku, jest metodą zespołową uczenia maszynowego adaptującą algorytm Random Forest do danych typu czas do zdarzenia (przeżycia). Drzewa są budowane przy użyciu podziałów opartych na kryterium log-rank, aby naturalnie obsługiwać obserwacje cenzurowane, a zespół agreguje skumulowane funkcje hazardu z setek drzew w celu generowania predykcji i rankingów ważności zmiennych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Random Survival Forest. ScholarGate. https://scholargate.app/pl/survival/random-survival-forest
Która metoda?
Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.
- Estymator przeżycia Kaplana-MeieraAnaliza przeżycia↔ porównaj
- Estymator skumulowanego zagrożenia Nelsona-AalenaAnaliza przeżycia↔ porównaj
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →