mlr3中surv.xgboost.cox如何获取生存预测时间并与真实数据对比？

问题说明 #

使用surv.xgboost.cox学习器时，在构造学习器时传入type="regression"会报错，因为该参数并非此学习器的有效参数。Cox比例风险模型本身不直接输出生存时间，需通过正确方式获取生存时间预测值与真实值对比。

修正步骤及代码 #

1. 基础准备：数据处理与划分

library(mlr3proba)
library(mlr3extralearners)
library(mlr3pipelines)
library(mlr3verse)
library(survival)

# 创建生存分析任务
task = as_task_surv(x = veteran, time = 'time', event = 'status')
# 编码分类变量
poe = po('encode')
task = poe$train(list(task))[[1]]
# 划分训练集与测试集（修正原代码中变量名错误）
set.seed(42)
part = partition(task, ratio = 0.8)

2. 模型训练与生存分布预测
   surv.xgboost.cox支持的预测类型为"risk"（默认，输出风险分数）和"distr"（输出生存分布）。要获取生存时间点估计，需在predict方法中指定type="distr"：

# 初始化学习器，无需设置type参数
learner = lrn("surv.xgboost.cox")
# 训练模型
learner$train(task, part$train)
# 预测生存分布
pred_xgb = learner$predict(task, part$test, type = "distr")

3. 提取预测生存时间并与真实值对比
   从生存分布中提取中位数（或其他分位数）作为预测生存时间，与真实数据对比：

# 提取中位数生存时间作为预测值
pred_time = pred_xgb$distr$quantile(0.5)
# 获取真实生存时间与事件状态
truth_time = pred_xgb$truth[, "time"]
truth_event = pred_xgb$truth[, "status"]

# 查看前3条数据的对比结果
compare_df = data.frame(
  预测生存时间 = pred_time[1:3],
  真实生存时间 = truth_time[1:3],
  事件状态 = truth_event[1:3]
)
print(compare_df)

注意事项 #

• Cox模型的核心是风险比例估计，生存时间预测是基于基线生存函数推导的间接估计值。
• 真实数据中存在删失样本（事件状态=0表示未发生事件），单纯对比点生存时间需谨慎，建议结合C-index、Brier分数等生存分析专用评估指标综合判断模型性能。

内容的提问来源于stack exchange，提问作者Faiza