生存分析随机森林实验与代码文档格式.docx

1、 27 Number of trees: 800 Minimum terminal node size: 3 Average no. of terminal nodes: No. of variables tried at each split: Total no. of variables: 452 Analysis: RSF Family: surv Splitting rule: logrank Error rate: %发现直接使用随机森林得到的模型，预测误差很大，达到了%,进一步考虑使用随机森林模型进行变量选择，结果如下： $ Sample size: 52 Number of de

2、aths: 19 500 2 9 logrank *random* Number of random split points: 10 $topvars1 213821_s_at 219778_at204690_at220788_s_at202202_s_at6 211603_s_at213055_at219336_s_at37892_at一共选取了9个变量，同时误差只有%接下来，使用这些变量做cox回归，剔除模型中不显著（）的变量，最终参与模型建立的变量共有4个。模型结果如下： exp（coef） exp（-coef） lower .95 upper .95218150_at 200914_

3、x_at 220788_s_at 201398_s_at 201719_s_at 202945_at 203261_at 203757_s_at 205068_s_at 最后选取六个变量拟合生存模型，绘制生存曲线如下：下面绘制ROC曲线，分别在训练集和测试集上绘制ROC曲线，结果如下：训练集：测试集：由于测试集上的样本过少，所以得到的AUC值波动大，考虑使用bootstrap多次计算训练集上的AUC值并求平均来测试模型的效果：AUC at 1 year：AUC at 3 year：AUC at 5 year：由此可以看到，随机森林通过删除贡献较低的变量，完成变量选择的工作，在测试集上具有较高的

4、AUC值，但是比lasso-cox模型得到的AUC略低。附录：load（/R/）library（survival）（10）i-sample（1:77,52）train-dati,test-dat-i,library（randomForestSRC）-rfsrc（Surv（time,status）.,data = train, ntree = 800,mtry = 3, nodesize = 3,splitrule = logrank- （object=, vdv, method = , nrep = 50）$ in 1:$modelsize） indexi-which（names（dat）=$

5、topvarsi）data-dat,c（1,2,index）-datai,-data-i,-coxph（Surv（time,status）.,data=train）train_data-train,c（1,2,which（summary$coefficients,5=+2）tset_data-test,c（1,2,which（summary$coefficients,5-coxph（Surv（time,status）.,data=train_data）summarynames（coef）plot（survfit,xlab=Time,ylab = Proportion,main=Cox Mode

6、l,=TRUE,col=c（black,red）,ylim=c,1）index0-numeric（length（coef）coefficients-coefname-gsub（,names（coefficients）for（j in 1:length（index0） index0j-which（names（dat）=namej）library（survivalROC）riskscore（dati,index0）%*% （coefficients）y1-survivalROC（Stime=train$time,status=train$status,marker=riskscore,=1,spa

7、n = *（nrow（train）y3-survivalROC（Stime=train$time,status=train$status,marker=riskscore,=3,span = *（nrow（train）y5-survivalROC（Stime=train$time,status=train$status,marker=riskscore,=5,span = *（nrow（train）a-matrix（data=c（y1y3y5,y1$AUC,y3$AUC,y5$AUC）,nrow=3,ncol=2）;aplot（y1$FP,y1$TP,type=l,xlab=False Pos

8、itive RateTrue Positive RateTime-dependent ROC curve,col=green） lines（y3$FP,y3$TP,col=,lty=2）lines（y5$FP,y5$TP,col=blue,lty=3）legend（bottomright,bty=n,legend = c（AUC at 1 year:AUC at 3 years:AUC at 5 years:）,col=c（）,lty=c（1,2,3）,cex=abline（0,1）（dat-i,index0）%*% （coefficients）-survivalROC（Stime=test$

9、time,status=test$status,marker=riskscore,=1,span = *（nrow（train）-survivalROC（Stime=test$time,status=test$status,marker=riskscore,=3,span = *（nrow（train）-survivalROC（Stime=test$time,status=test$status,marker=riskscore,=5,span = *（nrow（train）-matrix（0,30,3）for （c in 1:30） i train test train_data tset_data names（coef） index0 coefficients name for（j in 1: riskscore y1 y3 y5 ac,-c（y1$AUC,y3$AUC,y5$AUC）