Questions marquées «cox-model»

La régression des risques proportionnels de Cox est une méthode semi-paramétrique pour l'analyse de survie. Aucune forme de distribution ne doit être supposée, seulement que l'effet d'une augmentation d'une unité dans une covariable est un multiple constant.


1
Package GBM vs Caret utilisant GBM
J'ai ajusté le modèle à l'aide caret, mais j'ai ensuite réexécuté le modèle à l'aide du gbmpackage. Je crois comprendre que le caretpackage utilise gbmet que la sortie doit être la même. Cependant, un simple test rapide utilisant data(iris)montre une différence dans le modèle d'environ 5% en utilisant RMSE et …


2
Comment estimer la fonction de risque de base dans le modèle de Cox avec R
J'ai besoin d'estimer la fonction de risque de base dans un modèle de Cox dépendant du tempsλ0(t)λ0(t)\lambda_0(t) λ(t)=λ0(t)exp(Z(t)′β)λ(t)=λ0(t)exp⁡(Z(t)′β)\lambda(t) = \lambda_0(t) \exp(Z(t)'\beta) Pendant que je suivais le cours de survie, je me souviens que la dérivée directe de la fonction de risque cumulatif ( ) ne serait pas un bon estimateur …
13 r  survival  cox-model 


1

1
Résidus de Schoenfeld
Dans un modèle de risques proportionnels de Cox avec de nombreuses variables, si les résidus de Schoenfeld ne sont pas plats pour l'une des variables, cela invalide-t-il le modèle entier ou peut-on simplement ignorer la variable peu performante? C'est-à-dire, interpréter les coefficients pour les autres variables, mais ne pas interpréter …




1
Comparaison de la CPH, du modèle de temps de défaillance accéléré ou des réseaux de neurones pour l'analyse de survie
Je suis nouveau dans l'analyse de survie et j'ai récemment appris qu'il existe différentes façons de le faire en fonction d'un certain objectif. Je suis intéressé par la mise en œuvre réelle et la pertinence de ces méthodes. On m'a présenté les traditionnels risques proportionnels de Cox , les modèles …



1
R régression linéaire variable catégorielle valeur «cachée»
Ceci est juste un exemple que j'ai rencontré plusieurs fois, donc je n'ai pas d'échantillons de données. Exécution d'un modèle de régression linéaire dans R: a.lm = lm(Y ~ x1 + x2) x1est une variable continue. x2est catégorique et a trois valeurs, par exemple "Low", "Medium" et "High". Cependant, la …
10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 


En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.