机器学习模型（GBM，NN等）如何用于生存分析？

我知道传统的统计模型，例如Cox比例风险回归和一些Kaplan-Meier模型，可以用来预测直到下次事件发生的天数，例如失败等，例如生存分析

问题

想象一下样本输入数据的格式如下

注意：

编辑：

预期的输出预测应采用以下格式

注意：我想预测未来30天每天每台计算机发生故障的可能性。

machine-learning classification survival cox-model kaplan-meier

— 乔治·乔治
source

我认为如果您能解释为什么这是时间事件数据，将会有所帮助；您要建模的响应到底是什么？

— Cliff AB

我已经编辑并添加了预期的输出预测表以使其清晰。如果您还有其他问题，请告诉我。

— GeorgeOfTheRF

在某些情况下，有一些方法可以将生存数据转换为二进制结果，例如，离散时间危害模型：statisticalhorizons.com/wp-content/uploads/Allison.SM82.pdf。某些机器学习方法（例如随机森林）可以通过使用对数秩统计量作为划分标准来对事件数据的时间进行建模。

— dsaxton

@dsaxton谢谢。您能解释一下如何将上述生存数据转化为二进制结果吗？

— GeorgeOfTheRF

仔细研究之后，看来您已经对有了二元结果failure_flag。

— dsaxton '16

Answers:

对于神经网络而言，这是一种很有前途的方法：WTTE-RNN-更少hacky流失预测。

该方法的本质是使用递归神经网络来预测每个时间步长的威布尔分布参数，并使用考虑了审查的损失函数来优化网络。

— 廖里
source

看一下这些参考：

还要注意，传统的基于危害的模型（例如Cox比例危害（CPH））并非旨在预测事件发生的时间，而是根据i）事件的观察以及因此ii）生存曲线推断变量的影响（相关）。。为什么？查看CPH的MLE。

因此，如果您想更直接地预测“直到发生的天数”之类的内容，CPH可能不建议使用；如上述两个参考中所述，其他模型可能会更好地满足您的任务。

— Quetzalcoatl
source

正如@dsaxton所说，您可以建立离散时间模型。您将其设置为预测p（鉴于直到前一天的存活时间，这一天都失败）。您的输入是当前日期（以您想要的任何形式表示），例如，一个热编码，整数，..样条曲线...以及您可能想要的任何其他自变量

因此，您创建了数据行，对于在时间t-1之前存活的每个样本，它是否在时间t（0/1）处死亡。

因此，现在存活到时间T的概率是p的乘积（在给定的t时刻t不会死亡，t不会在t-1死亡），即从模型中进行T个预测，然后相乘。

我要说的是，它没有这样一种直接预测故障时间的想法是因为问题的隐藏结构。例如，您为没有故障的机器输入了什么。底层结构实际上是独立事件：给定时间t失败，直到t-1才失败。因此，例如，如果您假设它是恒定的，那么您的生存曲线将变成指数（请参阅危害模型）

请注意，在这种情况下，您可以每隔10分钟进行建模，也可以汇总分类问题，直至达到当天的水平。

— seanv507
source