网站模版 模板,网络推广策划案例,磁力搜索引擎下载,医院网站建设策划方案随机森林#xff08;Breiman 2001a#xff09;#xff08;RF#xff09;是一种非参数统计方法#xff0c;需要没有关于响应的协变关系的分布假设。RF是一种强大的、非线性的技术#xff0c;通过拟合一组树来稳定预测精度模型估计。随机生存森林#xff08;RSF#xff0…随机森林Breiman 2001aRF是一种非参数统计方法需要没有关于响应的协变关系的分布假设。RF是一种强大的、非线性的技术通过拟合一组树来稳定预测精度模型估计。随机生存森林RSFIshwaran和Kogalur2007IshwaraanKogalur、Blackstone和Lauer2008是Breimans射频技术的延伸从而降低了对时间到事件数据的有效非参数分析。 接着文章《机器学习系列–R语言随机森林进行生存分析1》 咱们继续分析
上一节咱们已经介绍了通过VIMP来绘制变量的重要性。 在 VIMP 中预后风险因素是通过在其他数据设置下测试森林预测来确定的根据对森林预测能力的影响对最重要的变量进行排序。 randomForestSRC包中还有另一种方法是就是利用对森林构建的检验来对变量进行排序就是最小森度。最小深度Ishwaran 等人2010 年Ishwaran、Kogalur、Chen 和 Minn 2011假定对预测影响大的变量是那些最频繁地分割离根节点最近的节点的变量它们在根节点上分割了最大的群体样本。在每棵树中节点级别根据其与树根的相对距离进行编号树根为 0。最小深度是通过对森林中所有树的每个变量的第一次分割深度取平均值来衡量重要的风险因素。 该指标的假设是较小的最小深度值表明该变量分离了大组观测值因此对森林预测的影响较大。 一般来说要根据 VIMP 选择变量我们要检查 VIMP 值寻找 VIMP 测量值差异较大的排序点。但是最小深度是森林构建的定量属性Ishwaran 等人2010 年还推导出了变量影响证据的分析阈值。规则使用最小深度分布的平均值将最小深度低于该阈值的变量归类为森林预测中的重要变量。
varsel_pbc - var.select(rfsrc_pbc)
topvars - varsel_pbc$topvarsgg_md - gg_minimal_depth(varsel_pbc, lbls st.labs)
print(gg_md)综合上面两图咱们可以得到最小深度阈值depth threshold为5.2757共筛选了15个变量第一个进行分裂的变量就是bili在深度2.144就开始分裂了接着就是albumin和copper。 绘制深度节点和变量图
plot(gg_md)从上图可以看出虚线就是最小深度越往右深度越大其中较小的最小深度值表示较高的重要性较大的值表示重要性较低。 由于我们现在有两个指标来判定那选哪个好呢我们可以使用gg_minimal_vimp函数来进行综合比较
plot(gg_minimal_vimp(gg_md)) theme(legend.positionc(0.8, 0.2))这个图形是这个包中的一个核心图形我要好好解释一下。因为这张图使用两个方法vimp和最小深度法。这条斜着的虚线是这两种方法的分界点蓝色的点代表vimp大于0的红色的点代表vimp小于0。红色斜着的虚线上的点代表这个变量在两种分类方法排名相同高于红色虚线上的点代表它的vimp的排名更加高低于红色虚线上的点表明它的最小深度排名更高。
看它生成的表格也可以看出来
out2-gg_minimal_vimp(gg_md)我们可以看到两种方法有些排名是一样的有些是不一样的。如果我们根据阈值5.2757进行筛选那么最终可以选出bili “albumin” “copper” “prothrombin” edema这5个变量有些文章介绍有临床意义的变量也是可以选进来的。
接下来绘制部分依赖图PDP假设咱们想了解bili这个变量对1年和3年生存结局的影响也就是依赖性咱们先生成这个结局治疗的数据
gg_v -gg_variable(rfsrc_pbc, time c(1, 3),time.labels c(1 Year, 3 Years))进行绘图,注意形状散点代表的意义不一样
plot(gg_v, xvar bili, alpha 0.4) #, seFALSElabs(y Survival, x bili) theme(legend.position none) scale_color_manual(values c(red, blue), labels c(1 Year, 3 Years)) coord_cartesian(ylim c(-0.01, 1.01))xlab(Serum Bilirubin)ggRandomForests包的绘图函数画起来不咱们美观我们可以根据结局数据自己来画
ggplot(gg_v) geom_point(aes_string(x bili, y yhat, color event, shape event))geom_smooth(aes_string(x bili, y yhat, color time,filltime))theme_classic()xlab(bili)ylab(yhat)当然咱们也可以分面
ggplot(gg_v) geom_point(aes_string(x bili, y yhat, color event, shape event))geom_smooth(aes_string(x bili, y yhat, color time,filltime))facet_wrap(~time,ncol 1)上图表明胆红素超过20后随着胆红素增加存活率上升。 部分依赖图Partial Dependence Plot显示了一个或两个特征对机器学习模型的预测结果的边际效应由于机器学习算法非参数的特性使得部份依赖图可以揭示线性以及非线性特征容易理解并且有较高的解释力。但是对于生存数据我们还要考虑时间的影响 咱们可以使用parallel包的mclapply函数结合plot.variable函数来处理时间数据我们先定义要观察的变量和3个时间节点1年3年和5年
xvar - c(bili, albumin, copper, prothrombin, age, edema)
time_index - c(which(rfsrc_pbc$time.interest 1)[1]-1,which(rfsrc_pbc$time.interest 3)[1]-1,which(rfsrc_pbc$time.interest 5)[1]-1)time_index装有3个时间点数据下面导入包来分析mclapply函数类似于平时咱们的lapply函数就是对多个时间点使用plot.variable函数来跑循环
library(parallel)
partial_pbc - mclapply(rfsrc_pbc$time.interest[time_index],function(tm){plot.variable(rfsrc_pbc, surv.type surv,time tm, xvar.names xvar,partial TRUE ,show.plots FALSE)})时间点的预测值存在partial_pbc列表里面3个数据代表3年 咱们把数据提取出来咱们这里只提取1年和3年
gg_dta - mclapply(partial_pbc, gg_partial)
pbc_ggpart - combine.gg_partial(gg_dta[[1]], gg_dta[[2]],lbls c(1 Year, 3 Years))提取数据后就可以绘图了先绘制一个箱线图
ggplot(pbc_ggpart[[edema]], aes(yyhat, xedema, colgroup))geom_boxplot(notch TRUE,outlier.shape NA) # panelTRUE,labs(x Edema, y Survival (%), colorTime, shapeTime) theme_classic()绘制时间依赖图文章是这么叫的
ggplot(pbc_ggpart[[bili]], aes(yyhat, xbili, colgroup))geom_smooth() # panelTRUE,labs(x bili, y Survival (%), colorTime, shapeTime) theme(legend.position c(0.1, 0.2))theme_classic() 咱们可以看到和部分依赖图还是有点区别的结论也不一样了。咱们也可以按我上面的方法从pbc_ggpart提取数据来自己绘制有兴趣的可以试一下这样更加灵活更加好看。
接下来咱们来做下亚组的依赖关系也就是亚组分析亚组关系需要按年提取咱们提取第一年的数据
ggvar- gg_variable(rfsrc_pbc, time 1)咱们把edema改成分组的显示
ggvar$edema - paste(edema , ggvar$edema, sep )绘制亚组关系图表明了每个亚组对生存结局的影响
ggplot(ggvar) geom_point(aes_string(x bili, y yhat, color event, shape event))geom_smooth(aes_string(x bili, y yhat))facet_wrap(~edema)咱们也可以对连续变量进行分组后在绘制
bili_cts -quantile_pts(ggvar$bili, groups 6, intervals TRUE)
bili_cts[1] - bili_cts[1] - 1.e-7 #我们需要移动最小值以便包含该观察结果##创建条件组并添加到gg_variable对象
bili_grp - cut(ggvar$bili, breaks bili_cts)
ggvar$bili_grp - bili_grp
levels(ggvar$bili_grp) - paste(bilirubin , levels(bili_grp)) #调整面的命名绘图
ggplot(ggvar) geom_point(aes_string(x albumin, y yhat, color event, shape event))geom_smooth(aes_string(x albumin, y yhat))facet_wrap(~bili_grp)也可以使用gg_partial_coplot来绘制亚组的图前面步骤是一样的先生成分组变量
albumin_cts -quantile_pts(ggvar$albumin, groups 6, intervals TRUE)
albumin_cts[1] - albumin_cts[1] - 0.01 #我们需要移动最小值以便包含该观察结果##创建条件组并添加到gg_variable对象
albumin_grp - cut(ggvar$albumin, breaks albumin_cts)
ggvar$albumin_grp - albumin_grp使用g_partial_coplot生成绘图数据
coplotpbc - gg_partial_coplot(rfsrc_pbc, xvar bili,groups ggvar$albumin_grp,surv_type surv,time rfsrc_pbc$time.interest[time_index[1]],show.plots FALSE)绘图
ggplot(coplotpbc, aes(xbili, yyhat, colgroup, shapegroup)) geom_smooth(se FALSE) labs(x bili, y Survival at 1 year (%),color albumin, shape albumin)theme_classic()除此之外还可以做决策曲线和roc曲线这里就不弄了我的既往文章都有。这两章内容比较多代码我自己跑是没问题但是怕有时候贴出来有时候会少贴一段我把这两章代码进行了打包公众号回复随机森林生存分析代码可以获得回复要一模一样才行。
