GBM in coxph loss関数

Question

私はrでgbmを使って生存率を予測しています（distribution = "coxph"）。

gbm.predict（....、type = "response"）の予測値は、おおよそ[​​-0.001〜0.5]の範囲です。

0から1までのリスク（[0,1]）を持たずに新しいサンプルのリスクをどのように解釈できますか？

Answer 1

bazehaz.gbmを見ると、gbm.predictがlambda_0（t）を与えることがわかります。

The proportional hazard model assumes h(t|x)=lambda(t)*exp(f(x)). 
gbm can estimate the f(x) component via partial likelihood. 
After estimating f(x), basehaz.gbm can compute the a nonparametric estimate of lambda(t). 

だからあなたは（私は願っています）このように行くことができます：あなたは生存関数を探しているなら..私はそれに取り組んでいます

model = gbm(Surv(durata, status2015) ~ .-fold, data= ...) 
XB =predict.gbm(model, n.trees = ..., type = "response") 

lambda0 = basehaz.gbm(t = data$time, delta = data$censoring, t.eval = sort(unique(data$time)), cumulative = FALSE, f.x = XB , smooth=T) 
XBnew =predict.gbm(model, n.trees = ..., data=newData, type = "response") 

hazard = h(t|x)= lambda0*exp(XBnew). 

。 :)

P.S .: XB思考の推定に奇妙な振舞いがあります。なぜなら、それは木の数によって大きく変わるからです。 :(