[论文解读] Kernel induced random survival forests

Fang Yang, Jiheng Wang+1 more|arXiv (Cornell University)|Aug 24, 2010

Statistical Methods and Inference参考文献 16被引用 4

一句话总结

本文提出核诱导随机生存森林（KIRSF），这是随机生存森林（RSF）的一种新颖扩展，通过引入核函数以提升生存数据的预测准确性。通过核方法将协变量映射到高维特征空间，KIRSF在保持RSF集成学习框架的同时，增强了非线性模式的检测能力，在真实世界骨髓移植数据上的预测误差相比标准RSF降低了多达30%。

ABSTRACT

Kernel Induced Random Survival Forests (KIRSF) is a statistical learning algorithm which aims to improve prediction accuracy for survival data. As in Random Survival Forests (RSF), Cumulative Hazard Function is predicted for each individual in the test set. Prediction error is estimated using Harrell's concordance index (C index) [Harrell et al. (1982)]. The C-index can be interpreted as a misclassification probability and does not depend on a single fixed time for evaluation. The C-index also specifically accounts for censoring. By utilizing kernel functions, KIRSF achieves better results than RSF in many situations. In this report, we show how to incorporate kernel functions into RSF. We test the performance of KIRSF and compare our method to RSF. We find that the KIRSF's performance is better than RSF in many occasions.

研究动机与目标

• 提升随机生存森林在具有复杂非线性模式的生存数据上的预测准确性。
• 在不改变RSF核心集成机制的前提下，将核函数整合到RSF框架中。
• 使用模拟数据和真实世界生存数据集，评估KIRSF与标准RSF的性能表现。
• 证明核化处理可降低生存建模中的预测误差与标准误差。

提出的方法

• KIRSF使用选定的核函数（如高斯核、多项式核）将原始协变量数据替换为核嵌入特征。
• 将核化后的数据作为输入传递给标准随机生存森林算法，保留自助采样与随机特征子集选择机制。
• 森林中的每棵生存树均基于核化特征空间构建，从而在非线性流形中实现更优的生存组分离。
• 通过森林中所有树的平均值预测累积风险函数，性能评估采用Harrell的C指数。
• 该方法保持原始RSF结构，但通过核诱导的特征变换捕捉复杂交互作用与非线性效应。
• 建议在核化处理前进行变量选择，以提升高维数据下的计算效率。

实验结果

研究问题

• RQ1 核函数能否提升随机生存森林在生存分析中的预测性能？
• RQ2 在模拟与真实生存数据上，KIRSF与标准RSF在预测误差与C指数方面的表现如何比较？
• RQ3 当数据中存在非线性模式时，核化是否能降低预测误差与标准误差？
• RQ4 核函数选择与变量选择对KIRSF性能有何影响？
• RQ5 在哪些类型或结构的数据中，KIRSF相较于RSF展现出最大性能提升？

主要发现

• 在模拟的ringnorm数据集上，KIRSF相比RSF将预测误差降低了20%。
• 在真实世界的骨髓移植（BMT）数据集上，KIRSF相比RSF将预测误差降低了30%以上。
• KIRSF的样本标准误差始终小于RSF，表明其预测具有更高的稳定性。
• 该方法能有效捕捉标准RSF因线性划分而可能遗漏的生存数据中的非线性关系。
• 当数据中存在非线性模式时，核化显著提升了模型性能。
• 在核化处理前进行变量选择，可在不损失预测准确性的情况下提升计算效率。