培训，测试，验证生存分析问题

我一直在这里浏览各种线程，但我认为我的确切问题没有得到回答。

我有约50,000名学生及其辍学时间的数据集。我将使用大量潜在的协变量进行比例风险回归。我还将对辍学/留学情况进行逻辑回归。主要目标是为新的学生群体做预测，但我们没有理由相信他们与去年的学生群体会有很大不同。

通常，我没有这么多的数据，并且通过某种形式的惩罚进行模型拟合，但是这次我想将int训练和测试数据集分离，然后在训练集上进行变量选择。然后使用测试数据集估算参数和预测能力。

这是个好策略吗？如果没有，哪个更好？

欢迎引用，但不是必须的。

以相似的结果频率，我发现如果则可以进行数据拆分。而且，它提供了对模型性能的无偏估计，如果只使用一次测试样本，则可以适当地对模型选择进行惩罚（如果您确实需要模型选择；仍然可以通过惩罚来获得更好的模型）。 但是不要将测试样本用于任何参数的重新估计。数据拆分依赖于使用训练样本构建的模型，该模型将被放入“深度冻结”并无需进行调整即可应用于测试样本。$n > 20,000$

我一直在自己的纸上寻找交叉验证生存预测的相似任务。好地方从第二章开始。

从那以后，我发现本文不仅回答了我的问题，而且提供了一种为特定数据集确定最佳拆分的方法。我发现这要归功于@FrankHarrell对术语“最佳拆分配置”的使用，然后我对其进行了搜索。