Ich habe Probe AFTSurvivalRegression von Spark for Survival-Analyse versucht. Es ist so einfach. Für das Verständnis von Label-Parametern habe ich einiges gespielt. Im Web habe ich es auf zwei Arten benutzt. 1) Als eine Reihe von Beobachtungen. denken Label als Patient Funktionen = Körpertemperatur Etikett zählen, zensiert, bietet 2,1,38 1,0,28 2 Personen mit 38 Grad 1 Personen mit 28 Grad überlebt nicht überlebt habenSpark AFTSurvivalRegression Parameter
2 Eine weitere Metrik wie Dosis der Medizin verwandt) dieses Label als doseof Medizin Etikett, zensiert, bietet 2,1,38 1,0,28 2 Dosis Medizin 38 Grad 2 Dosis Medizin überlebt nicht überleben 28 Grad
Vielleicht liege ich auf beiden falsch. Konnte keine Interpretation der Parameter finden. Checked R survreg Funktion aber mehr verwirrt. Kennt jemand echte Bedeutung von Label-Parameter?
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)
Liebe Denny Lee, Vielen Dank für Ihre Antwort:
Um unten auf die Links verweisen die vollen Notebooks in Aktion finden Sie unter. Was ich frage ist, was Geschäftsbedeutung ist. Futime ist ein Parameter für Surv, also ist es Follow-up-Zeit. Können wir sagen (59,1) haben wir 59 Monate (oder was auch immer) nachgemacht und das Ereignis ist eingetreten (tot). – mcelikkaya
so für die Vorhersage, wenn Ereignis aufgetreten ist (fustat = 1) was ist 1141? Ist es Zeit zu versagen? – mcelikkaya
Die 'Vorhersage'-Spalte enthält die Ergebnisse nach Vorhersagefunktion für das Überlebensobjekt in R im Originalmaßstab der Daten im Kontext der Weibull-Verteilung. Wird meine Antwort aktualisieren, um dies zu klären. –