核引导的随机存活森林
摘要：核诱导随机生存森林（KIRSF）是一种旨在改善生存数据的预测准确性的统计学习算法。与随机生存森林（RSF）一样，在测试集中为每个个体预测累积风险函数。使用Harrell的协调指数（C指数）[Harrell等（1982）]来评估预测误差。C指数可以理解为错误分类的概率，不依赖于单个固定的评估时间。C指数还特别考虑了截尾情况。通过利用核函数，KIRSF在许多情况下比RSF取得了更好的结果。在本报告中，我们展示了如何将核函数纳入RSF中。我们测试了KIRSF的性能，并将我们的方法与RSF进行比较。我们发现，在许多场合下，KIRSF的性能优于RSF。
作者：Fang Yang, Jiheng Wang and Guangzhe Fan
论文ID：1008.3952
分类：Machine Learning
分类简称：stat.ML
提交时间：2010-08-25