随机生存森林变量选择

1. R语言临床预测模型合集

2. 简单易懂：什么是临床预测模型？

3. Cox回归列线图（nomogram）的4种绘制方法

4. Logistic回归列线图的4种绘制方法

5. 列线图的本质

6. 一文搞懂临床预测模型的评价！

7. 区分度评价：C-statistic的计算

8. C-statistic的显著性检验

9. 临床预测模型之二分类资料ROC曲线绘制

10. 临床预测模型之生存资料的ROC曲线绘制

11. R语言画多时间点ROC和多指标ROC曲线

12. 生存资料ROC曲线的最佳截点和平滑曲线

13. ROC（AUC）曲线的显著性检验

14. ROC阳性结果还是阴性结果？

15. ROC曲线纯手工绘制

16. R语言计算AUC（ROC曲线）的注意事项

17. 多指标联合诊断的ROC曲线

18. 净重新分类指数NRI计算

19. 综合判别改善指数IDI的计算

20. 二分类资料的DCA决策曲线分析

21. 生存资料的决策曲线分析DCA

22. 只会logistic和cox的决策曲线？来看看适用于一切模型的DCA！

23. 二分类资料校准曲线的绘制

24. 生存资料校准曲线的绘制

25. tidymodels不能画校准曲线？

26. mlr3的校准曲线也是一样画！

27. 使用tidymodels搞定二分类资料多个模型评价和比较

28. 使用workflow一次完成多个模型的评价和比较

29. 使用mlr3搞定二分类资料的多个模型评价和比较

30. Fine-Gray检验、竞争风险模型、列线图绘制

31. tidymodels支持校准曲线了

32. 3d版混淆矩阵可视化

33. logistic校准曲线(测试集)的6种实现方法

书接上回，我们已经介绍了随机生存森林的：

• 模型建立和结果解释
• 基于随机生存森林的 risk score 和 K-M 生存曲线
• time-dependent ROC/AUC 曲线
• 决策曲线 decision curve
• 校准曲线 calibration curve
• NRI和IDI
• 随机生存森林的超参数调优

今天介绍随机生存森林的变量选择。

本期目录：

• 建立随机生存森林模型

• 筛选变量方法1

• 筛选变量方法2

• 几点说明

还是使用克利夫兰诊所的收缩性心衰数据集，数据来自randomForestSRC包。本数据集一共包含2231例病例，其中ttodead是生存时间，died是结局事件，剩余的39列都是预测变量。

# 加载数据和R包
rm(list = ls())
library(randomForestSRC)
## 
##  randomForestSRC 3.2.0 
##  
##  Type rfsrc.news() to see new features, changes, and bug fixes. 
## 
data(peakVO2, package = "randomForestSRC")

建立随机生存森林模型

set.seed(123)

rfs <- rfsrc(Surv(ttodead,died)~., peakVO2,
             ntree = 200, # 直接使用1000棵树
             importance = TRUE,
             seed = 123456
             )