কীভাবে বেঁচে থাকার জন্য উপযুক্ততার সদ্ব্যবহারাকে মূল্যায়ন করতে হয়


9

আমি বেঁচে থাকার বিশ্লেষণে একজন নতুন, যদিও আমার শ্রেণিবদ্ধকরণ এবং প্রতিরোধের বিষয়ে কিছু জ্ঞান রয়েছে।

রিগ্রেশনের জন্য, আমাদের এমএসই এবং আর বর্গাকার পরিসংখ্যান রয়েছে। তবে আমরা কীভাবে বলতে পারি যে বেঁচে থাকার মডেল এ বেঁচে থাকার মডেল বিয়ের চেয়ে কিছুটা গ্রাফিকাল প্লট (কেএম বক্রতা) ছাড়াও সেরা?

যদি সম্ভব হয় তবে দয়া করে একটি উদাহরণ দিয়ে পার্থক্যটি ব্যাখ্যা করুন (উদাহরণস্বরূপ, আর-তে rpart প্যাকেজটি আর)। আপনি কীভাবে দেখাতে পারেন যে একটি কার্ট বেঁচে থাকার গাছ অন্য কার্টের বেঁচে থাকার গাছের চেয়ে ভাল? কোন মেট্রিক ব্যবহার করা যেতে পারে?


3
বেঁচে থাকার বিভিন্ন বিশ্লেষণ বিভিন্ন ধরণের রয়েছে। তাদের মধ্যে কিছু প্রকৃতপক্ষে রিগ্রেশন উপর ভিত্তি করে। কেএম এর মতো তাদের মধ্যেও কেউ কেউ বেঁচে থাকা সম্পর্কিত পরিসংখ্যানগুলির জন্য সহজেই অনুমানকারী হিসাবে বিবেচনা করতে পারে।
অ্যালেক্সিস

আপনার প্রশ্নের উন্নতি করতে আপনার অব্যাহত প্রচেষ্টার জন্য আপনাকে ধন্যবাদ। আমি সন্দেহ করি যে এটি এখন সিভির জন্য উপযুক্ত / উপযুক্ত। আমি এটি পুনরায় খোলার জন্য মনোনীত করেছি। অন্যরা রাজি হয় কিনা তা আমরা দেখতে পাব। আপনি যদি এই সমস্যাগুলি ব্যাখ্যা করতে ব্যবহার করতে লোকদের জন্য দুটি কার্ট-টাইপ বেঁচে থাকার মডেল পোস্ট করতে পারেন তবে এটির সহায়তা হতে পারে।
গুং - মনিকা পুনরায়

1
বেন, সুতরাং মূলত আপনিই বলছেন যে কোনও কক্স প্রসংশ্লিষ্ট হ্যাজার্ড রিগ্রেশন-এ, ফিটের সার্থকতা মূল্যায়নের (এখন পর্যন্ত) কোনও ভাল উপায় নেই? আর-স্কোয়ার ভাল ফলাফলের দিকে পরিচালিত করে না কারণ এটি সেন্সর করা পর্যবেক্ষণ এবং সেন্সর পর্যবেক্ষণ সঠিকভাবে পরিচালনা করতে পারে না? আপনি হ্যারেলস সি সম্পর্কে কথা বলছেন, আমি কি বুঝতে পেরেছি যে কক্স-পিএইচ রেজ্রেশনটির জন্য এই পদ্ধতিটি প্রযোজ্য নয়?
কোস্তা এস

উত্তর:


9

কক্স মডেল মতো পরিসংখ্যানগুলির সাথে প্রধান সমস্যাআর2(অন্য উত্তরে বর্ণিত) হ'ল এটি আপনার ডেটার সেন্সরশিপ বিতরণের উপর খুব নির্ভরশীল। অন্যান্য প্রাকৃতিক জিনিস আপনি দেখতে পাবেন যেমন নাল মডেলের সম্ভাবনা অনুপাত, এছাড়াও এই সমস্যা আছে। (এটি মূলত কারণ সেন্সর করা ডেটাপয়েন্টের সম্ভাবনাটি অবদানের সম্ভাবনাটি একটি ডেটাপয়েন্টের অবদানের থেকে খুব আলাদা যেখানে ঘটনাটি পর্যবেক্ষণ করা হয়, কারণ তাদের মধ্যে একটি পিডিএফ থেকে আসে এবং এর মধ্যে একটি সিডিএফ থেকে আসে।) বিভিন্ন গবেষকরা এটি কাছাকাছি যাওয়ার প্রস্তাবিত উপায়, তবে আমি যেগুলি দেখেছি সাধারণত আপনার সেন্সর বিতরণের একটি মডেল বা সমানভাবে অবৈধ কিছু হতে হবে। অনুশীলনে এই নির্ভরতা কতটা খারাপ তা আমি ততক্ষণ দেখিনি, তাই যদি আপনার সেন্সরিং মোটামুটি হালকা হয় তবে আপনি সম্ভাবনা-অনুপাত ভিত্তিক পরিসংখ্যানগুলিতে সন্ধান করতে পারেন। টিকে থাকার কার্ট মডেলগুলির জন্য,

জেনেরিক বেঁচে থাকার মডেলগুলির জন্য, প্রায়শই ব্যবহৃত একটি পরিসংখ্যান হ্যারেলের সি ইনডেক্স, বেঁচে থাকার মডেলগুলির জন্য কেন্ডালের বা আরওসি এউসি এর এনালগ । মূলত, সি হ'ল অনুপাত, যেখানে আপনি জানেন যে একটি উদাহরণ অন্যটির চেয়ে পরে একটি ইভেন্ট অনুভব করেছে, যে মডেলটি সঠিকভাবে স্থান পেয়েছে। (অন্য কথায়, এখানে জোড় জোড়ের অন্তর্ভুক্ত করার জন্য এক জোড়া উদাহরণের জন্য, বেশিরভাগর একটি সেন্সর করা যেতে পারে, এবং অন্যটি কোনও ঘটনা অনুভব করার পরে এটি সেন্সর করা আবশ্যক )) সি সূচকটি সেন্সরশিপ বিতরণের উপরও নির্ভর করে, তবে হ্যারেলের মতে নির্ভরতা আমি উপরে উল্লিখিত অন্যান্য পরিসংখ্যানের তুলনায় হালকা। দুর্ভাগ্যক্রমে, হ্যারেলের সিτউপরের পরিসংখ্যানগুলির তুলনায়ও কম সংবেদনশীল, সুতরাং যদি আপনি তাদের মধ্যে পার্থক্যটি ছোট হয় তবে এর উপর ভিত্তি করে মডেলগুলির মধ্যে আপনি বেছে নিতে চান না; এটি বিভিন্ন মডেলের তুলনার উপায়ের চেয়ে সাধারণ পারফরম্যান্সের ব্যাখ্যামূলক সূচক হিসাবে বেশি কার্যকর।

(অবশেষে, অবশ্যই যদি মডেলগুলির জন্য আপনার যদি একটি নির্দিষ্ট উদ্দেশ্য থাকে - তবে, যদি আপনি জানেন যে আপনার ভবিষ্যদ্বাণী ক্ষতির ফাংশনটি কী - তবে আপনি সর্বদা ক্ষতির ফাংশন অনুযায়ী মূল্যায়ন করতে পারেন! তবে আমি আপনাকে অনুমান করছি ' এত ভাগ্যবান না ...)

সম্ভাবনা-অনুপাতের পরিসংখ্যান এবং হ্যারেলের সি উভয়ের আরও গভীর আলোচনার জন্য আপনার হ্যারেলের দুর্দান্ত পাঠ্যপুস্তক রেগ্রেশন মডেলিং কৌশলগুলি দেখার উচিত । বেঁচে থাকার মডেলগুলি মূল্যায়নের বিভাগটি 19 10 10, পৃষ্ঠা 492-493। আমি দুঃখিত আমি আপনাকে একটি একক সঠিক উত্তর দিতে পারব না, তবে আমি মনে করি এটি একটি সমাধান করা সমস্যা নয়!


5

বেঁচে থাকার উপাত্তের জন্য কক্স আনুপাতিক বিপদসংক্রান্ত সংস্থাগুলি অনেক ক্ষেত্রেই স্ট্যান্ডার্ড রিগ্রেশনগুলির সাথে সম্পর্কিত বলে মনে করা যেতে পারে। উদাহরণস্বরূপ, কক্স রিগ্রেশনগুলি অবশিষ্টাংশের স্ট্যান্ডার্ড ত্রুটি এবং আর-বর্গ পরিসংখ্যানও সরবরাহ করে। coxphআর survivalপ্যাকেজে ফাংশনটি দেখুন । (আপনি স্ট্যান্ডার্ড পরিসংখ্যানগুলিতে নন-প্যারাম্যাট্রিক বিশ্লেষণের সাথে সম্পর্কিত কেএম বক্ররেখার কথা ভাবতে পারেন C আপনি কীভাবে একটি কার্টের সাথে একটি প্যারামিমেট্রিক পরীক্ষা অন্তর্ভুক্ত করবেন?) ক্লিনিকাল ডেটা নিয়ে অনুশীলন করে, অবশিষ্ট অবধি ত্রুটিগুলি বেশি থাকে এবং আর-বর্গ মানগুলি কম থাকে কক্স রিগ্রেশন এ।

সুতরাং স্ট্যান্ডার্ড রিগ্রেশন এবং কক্স রিগ্রেশনগুলির একই প্রয়োজনীয়তা এবং সীমাবদ্ধতা রয়েছে। আপনাকে যাচাই করতে হবে যে ডেটা অন্তর্নিহিত অনুমানগুলির সাথে খাপ খায়, যা কক্স বিশ্লেষণে আরও এই ধারণাকে অন্তর্ভুক্ত করে যে বিপদের তুলনা করা সময়ের সাথে সাথে আনুপাতিক। আপনাকে এখনও অতিরিক্ত ফিটিং এড়াতে হবে এবং আপনাকে আপনার মডেলটি বৈধ করতে হবে। এবং আমি যেমন কার্ট বুঝতে পেরেছি, যদিও আমি এটি নিজে ব্যবহার করি না, তবুও আপনি অ-নেস্টেড মডেলগুলির সাথে তুলনা করে উত্থাপিত সমস্যাগুলির মুখোমুখি হবেন।


কক্স রিগ্রেশন এবং রিগ্রেশন এর মধ্যে পার্থক্য এবং সম্পর্কের বিষয়ে আপনার উত্তরের জন্য ধন্যবাদ। তবে আমি কীভাবে দুটি rpart (সিআরটি) সিদ্ধান্ত গাছের টিকে থাকার মডেলগুলির তুলনা করতে চাই তা জানতে চাই না।
30:38 এ 8

প্রোজেকটিউক্লিড.আরউ / 13315833185 এ সংযুক্ত ওপেন-অ্যাক্সেস পেপারটি হ'ল rpartএবং অন্যান্য আর প্যাকেজ এবং কোডের উপর ভিত্তি করে বেঁচে থাকার গাছ বাছাই ও বেছে নেওয়ার পদ্ধতির তুলনা করা মোটামুটি সাম্প্রতিক পর্যালোচনা এবং তুলনা ।
এডিএম

কাগজ ছাঁটাই করার জন্য ধন্যবাদ। আমি এখনই কাগজ পড়ব।
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.