Выбор объектов в млр с использованием фильтра univariate.model.score по цензурированным данным. - PullRequest
0 голосов
/ 15 января 2019

Я пытаюсь выполнить выбор объектов в R, используя mlr и фильтр univariate.model.score. В документации говорится, что SurvIrpart является учеником по умолчанию для этого фильтра. Мой набор данных содержит данные о выживаемости, прошедшие цензуру, и я хотел бы использовать другого учащегося, такого как Surviv.coxph, но я не совсем понимаю, как это сделать. Другими словами, я хочу, чтобы фильтр univariate.model.score создавал свои оценки, используя cindex и модель Кокса.

Достигну ли я этого с помощью makeFilterWrapper? Э.Г.

combo.task <- makeSurvTask(data = combo_baseline, target = c("timeToEvent", "status"))
cox.lrn <- makeLearner(cl="surv.coxph", predict.type="response")
inner = makeResampleDesc("CV", iters=5)
lrn = makeFilterWrapper(learner = cox.lrn, fw.method="univariate.model.score", fw.abs=10)
res = resample(learner = lrn, task = combo.task, resampling=inner, models=TRUE)
res$aggr

Я не могу поделиться данными, поэтому я не предоставил никаких данных, но я надеюсь, что кто-то может просто показать мне, как правильно использовать код. Спасибо.

1 Ответ

0 голосов
/ 17 января 2019

Я нашел ответ, прочитав код MLR. Фильтр "univariate.model.score" принимает аргумент perf.learner, который позволяет указать ученика, который будет использоваться при оценке эффективности фильтра. E.g.:

combo.task <- makeSurvTask(data = combo_baseline, target = c("timeToEvent", "status"))
cox.lrn <- makeLearner(cl="surv.coxph", predict.type="response")
inner = makeResampleDesc("CV", iters=5)
lrn = makeFilterWrapper(learner = cox.lrn, fw.method="univariate.model.score", fw.abs=10, perf.learner=cox.lrn)
res = resample(learner = lrn, task = combo.task, resampling=inner, models=TRUE)

Он также принимает аргументы perf.measure, показатель производительности и perf.resampling, стратегию повторной выборки.

Добро пожаловать на сайт PullRequest, где вы можете задавать вопросы и получать ответы от других членов сообщества.
...