Slumpmässig överlevnadsskog

Random Survival Forest (RSF), introducerad av Ishwaran, Kogalur, Blackstone och Lauer år 2008, är en ensemblemetod inom maskininlärning som anpassar Random Forest-algoritmen för tid-till-händelse-data (överlevnadsdata). Träd byggs med log-rank-delning för att naturligt hantera censurerade observationer, och ensemblen aggregerar kumulativa riskfunktioner över hundratals träd för att producera prediktioner och rangordningar av variablers betydelse.