apache-spark - Spark AFTSurvivalRegression 参数

Question

我已尝试使用 Spark 中的示例 AFTSurvivalRegression 进行生存分析。就是这么简单。为了理解标签参数，我玩了一些。在网络上我发现它有两种用法。1)作为一些观察结果。将标签视为患者数量 特征=体温标签、审查、特征2,1,381,0,282名38度的患者幸存1人28度无人生还

2)另一个与药物剂量相关的指标该标签为药物剂量标签、审查、特征2,1,381,0,282剂药38度幸存2剂药28度没存活

也许我对它们的看法都是错的。找不到参数的解释。检查了 R survreg 函数但更困惑。有谁知道标签参数的真正含义吗？

val training = spark.createDataFrame(Seq(
(1.218, 1.0, Vectors.dense(1.560, -0.605)),
(2.949, 0.0, Vectors.dense(0.346, 2.158)),
(3.627, 0.0, Vectors.dense(1.380, 0.231)),
(0.273, 1.0, Vectors.dense(0.520, 1.151)),
(4.199, 0.0, Vectors.dense(0.795, -0.226))
)).toDF("label", "censor", "features")
val quantileProbabilities = Array(0.3, 0.6)

Answer 1

AFTSurvivalRegression 模型中的标签 概念引用了机器学习 (ML) 中的监督学习。也就是说，标签是数据集中的已知值/类别。例如，当尝试使用线性回归根据城市人口预测中位房价时(例如 Population vs. Price Linear Regression (Spark 2.0) )，特征 是城市人口(包含我们将用于预测的信息的向量)价格)，而标签是您尝试预测的值。

在上面的示例中(作为引用，完整的示例可以在 Spark Classification and Regression > Survival Regression 找到)，生成的标签(例如 1.218、2.949，...)是要预测的值特征(例如 Vectors.dense(1.560, -0.605)、Vectors.dense(0.346, 2.158), ...)。

话虽如此，展示这一点的一种可能更简单的方法是使用特定的生存分析示例。在本例中，我们可以使用 R 包 survival 附带的卵巢癌生存数据。例如，如果您要运行下面的 SparkR 代码片段:

# Create SparkR DataFrame from the ovarian cancer survival data
df <- createDataFrame(ovarian)
model <- spark.survreg(df, Surv(futime, fustat) ~ ecog_ps + rx)
fitted <- predict(model, df)
display(fitted)

结果将是:

请注意，label 与 futime 相同 - 我们最终尝试预测的生存或审查时间。请注意，预测列包含 R 中 survreg 对象的预测函数的结果，在威 bool 分布的上下文中采用数据的原始比例。下面是基于该数据集生成的四个生存曲线的可视化。

要查看完整的笔记本，请参阅以下链接:

• Survival Analysis with SparkR (Updated to includeAFTSurvivalRegression)
• Survival Analysis with SparkR (Original)