如何在竞争风险随机森林中获得预测概率答案

【问题标题】：How to get predicted probabilities in competing-risk random forest如何在竞争风险随机森林中获得预测概率
【发布时间】：2018-03-06 22:38:57
【问题描述】：

我想使用 randomForestSRC 创建一个竞争风险模型（0 个审查、1 个感兴趣事件、2 个竞争事件）。我想预测每个人在不同时间发生感兴趣事件的概率。

概率是否与累积关联函数（CIF）完全相同？

如果是这样，下面的例子会给出概率

library(randomForestSRC)
data(wihs, package = "randomForestSRC")
wihs.obj <- rfsrc(Surv(time, status) ~ ., wihs, nsplit = 3, ntree = 100)

pred.obj = predict(wihs.obj)
probabilities = pred.obj$cif

并且CIF给出的对应的兴趣时间存储在

pred.obj$time.interest

我想知道这些 CIF 是否真的是事件的概率。

【问题讨论】：

标签： r random-forest survival-analysis

【解决方案1】：

我们建议您参考文档，尤其是关于竞争风险的部分：

https://kogalur.github.io/randomForestSRC/theory.html#section8.2

生成了两个相关的集合：特定原因累积风险函数 (cs-CHF) 的估计值和特定原因累积发生率函数 (cs-CIF) 的估计值。事件 j 的预测值是特定原因的综合 cs-CIF。它可以解释为预期的生命损失年数，是死亡率的衡量标准。

文档中包含特定定义的链接和对现有理论的参考。

【讨论】：