类似于cox回归风险模型，我们可以在R中使用Surviversvm获得生存曲线和风险比率吗？

如何解决类似于cox回归风险模型，我们可以在R中使用Surviversvm获得生存曲线和风险比率吗？

我是一个初学者，尝试使用机器学习对肺癌数据集进行生存分析。我知道如何使用Cox比例风险模型进行生存分析。考克斯比例风险模型为我们提供了风险比率，它仅是回归系数的指数。我想知道是否可以使用机器学习来做同样的事情。作为初学者，我正在尝试使用R语言的survivalsvm。请参见link。我正在使用内置的癌症数据进行生存分析。以下是在link处给出的R代码。

require(survival)
set.seed(123)
n <- nrow(veteran)
train.index <- sample(1:n,0.7 * n,replace = FALSE)
test.index <- setdiff(1:n,train.index)
survsvm.reg <- survivalsvm(Surv(diagtime,status) ~ .,subset = train.index,data = veteran,type = "regression",gamma.mu = 1,opt.meth = "quadprog",kernel = "add_kernel")
print(survsvm.reg)
pred.survsvm.reg <- predict(object = survsvm.reg,newdata = veteran,subset = test.index)
print(pred.survsvm.reg)

有人可以帮助我获取此数据集的危险比或生存曲线吗？另外，如何解释此函数的输出

解决方法

这个问题现在有点老了，但是无论如何我都会回答，因为这是一个难题，我在初次使用{survivalsvm}时就感到困惑。

因此，根据type参数，您将获得不同的输出。在您的情况下，type = "regression"意味着您正在绘制Shivaswamy的SVCR（希望我拼写正确），该SVCR可以预测事件发生之前的时间，因此这些是生存时间的预测。

为了将其转换为生存曲线，您必须对生存分布的形状进行一些假设。因此，例如，假设您认为生存时间与N(mu,sigma)正态分布。然后，您可以将预测的生存时间用作mu，然后对sigma进行预测或做出假设。

下面是一个使用您的代码和我的{distr6}包的示例，该包可以快速计算许多分布以及函数的打印和绘图：

library(survival)
library(survivalsvm)
set.seed(123)
n <- nrow(veteran)
train.index <- sample(1:n,0.7 * n,replace = FALSE)
test.index <- setdiff(1:n,train.index)
survsvm.reg <- survivalsvm(Surv(diagtime,status) ~ .,subset = train.index,data = veteran,type = "regression",gamma.mu = 1,opt.meth = "quadprog",kernel = "add_kernel")
print(survsvm.reg)
pred.survsvm.reg <- predict(object = survsvm.reg,newdata = veteran,subset = test.index)


# load distr6
library(distr6)

# create a vector of normal distributions each with
# mean as the predicted time and with variance 1
# `decorators = "ExoticStatistics"` adds survival function
v = VectorDistribution$new(distribution = "Normal",params = data.frame(mean = as.numeric(pred.survsvm.reg$predicted)),shared_params = list(var = 1),decorators = "ExoticStatistics")
# survival function evaluated at times = 1:10
v$survival(1:10)
# plot survival function for first individual
plot(v[1],fun = "survival")
# plot hazard function for first individual
plot(v[1],fun = "hazard")