r - 我如何预测在 R 中使用带有生存包的 AFT 模型？

Question

我正在使用 accelerated failure time / AFT model用weibull distribution来预测数据。我正在使用 survival package 执行此操作在 R 中。我在训练和测试中拆分我的数据，对训练集进行训练，然后尝试预测测试集的值。为此，我将测试集作为 newdata 参数传递，如 references 中所述.我得到一个错误，说 newdata 与训练数据的大小不同(很明显!)。然后该函数似乎可以评估训练集的预测值。

我如何预测新数据的值？

# get data
library(KMsurv)
library(survival)
data("kidtran") 
n = nrow(kidtran)
kidtran <- kidtran[sample(n),] # shuffle row-wise
kidtran.train = kidtran[1:(n * 0.8),]
kidtran.test = kidtran[(n * 0.8):n,]

# create model 
aftmodel <- survreg(kidtransurv~kidtran.train$gender+kidtran.train$race+kidtran.train$age, dist = "weibull")
predicted <- predict(aftmodel, newdata = kidtran.test)

编辑:正如 Hack-R 所提到的，缺少这行代码

kidtransurv <- Surv(kidtran.train$time, kidtran.train$delta)

Answer 1

问题似乎出在您对因变量的说明中。

你的问题中缺少依赖项的数据和代码定义，所以我看不出具体的错误是什么，但它似乎不是一个合适的 Surv() 生存对象(参见 ?survreg)。

您的代码的这种变体解决了这个问题，对格式进行了一些小的改进，并且运行良好:

require(survival)
pacman::p_load(KMsurv)

library(KMsurv)
library(survival)
data("kidtran") 

n = nrow(kidtran)

kidtran       <- kidtran[sample(n),] 
kidtran.train <- kidtran[1:(n * 0.8),]
kidtran.test  <- kidtran[(n * 0.8):n,]

# Whatever kidtransurv was supposed to be is missing from your question,
#   so I will replace it with something not-missing
#   and I will make it into a proper survival object with Surv()

aftmodel  <- survreg(Surv(time, delta) ~ gender + race + age, dist = "weibull", data = kidtran.train)
predicted <- predict(aftmodel, newdata = kidtran.test)


head(predicted)

       302        636        727        121         85        612 
 33190.413  79238.898 111401.546  16792.180   4601.363  17698.895