Survival analysis
随机生存森林
随机生存森林（Random Survival Forest, RSF）由 Ishwaran、Kogalur、Blackstone 和 Lauer 于 2008 年提出，是一种集成机器学习方法，它将随机森林算法应用于事件发生时间（生存）数据。树的生长采用对数秩分割（log-rank splitting）以自然处理删失观测，集成模型则聚合数百棵树的累积风险函数，从而生成预测和变量重要性排名。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- 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 ↗
如何引用本页
ScholarGate. (2026, June 1). Random Survival Forest. ScholarGate. https://scholargate.app/zh/survival/random-survival-forest
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
并排比较 →