请求提供R语言mRMRe包实现生存数据MRMR特征选择的代码

步骤1：安装并加载依赖包 #

先安装并加载mRMRe和survival包（后者用于获取标准生存数据集）：

install.packages(c("mRMRe", "survival"))
library(mRMRe)
library(survival)

步骤2：准备生存数据集 #

以survival包内置的lung数据集为例，先做数据清理和编码调整：

# 加载数据集
data(lung)
# 移除含缺失值的样本
lung_clean <- na.omit(lung)
# 将分类变量转为因子
lung_clean$sex <- as.factor(lung_clean$sex)
# 统一生存状态编码：1=事件发生（死亡），0=无事件（存活）
lung_clean$status <- ifelse(lung_clean$status == 1, 1, 0)

步骤3：创建mRMRe专用数据对象 #

核心是指定生存型目标变量，需传入时间列和状态列的索引，并设置target_types = "survival"：

# 创建mRMRe数据对象
# target_indices顺序：先时间列（第2列），后状态列（第3列），不可颠倒
mr_data <- mRMRe.data(
  data = lung_clean,
  target_indices = c(2, 3),
  target_types = "survival"
)

步骤4：运行MRMR特征选择 #

经典MRMR方法（单组特征结果）

选择5个与生存结局最相关且冗余度最低的特征：

# 执行经典MRMR，指定要选择的特征数量
mr_classic <- mRMR.classic(data = mr_data, feature_count = 5)

# 查看选中的特征信息
selected_idx <- mr_classic@solutions[[1]]
cat("选中的特征索引：", selected_idx, "\n")
cat("选中的特征名称：", colnames(lung_clean)[selected_idx], "\n")

集成MRMR方法（稳健性更高）

通过bootstrap多次采样生成多组特征，统计各特征的入选频率：

# 集成MRMR：10次bootstrap采样，每次选5个特征
mr_ensemble <- mRMR.ensemble(
  data = mr_data,
  feature_count = 5,
  bootstrap_count = 10
)

# 按入选频率降序展示特征
freq_table <- mr_ensemble@frequency
print(freq_table[order(freq_table, decreasing = TRUE), ])

关键注意事项 #

• 目标变量索引必须遵循时间列在前，状态列在后的顺序，且状态列需统一为0（无事件）/1（事件发生）编码。
• mRMRe对缺失值敏感，需提前清理含缺失值的样本。
• feature_count参数可根据实际需求调整要选择的特征数量。

内容的提问来源于stack exchange，提问作者Basheer Ahmad