为何运行R-Markdown后生存模型变量重要性图有差异？如何仅显示首个事件图？

一、为什么生存模型的变量重要性图会不同？ #

出现这种情况主要有两个核心原因：

1. 随机森林的随机性干扰：哪怕你设置了set.seed(0)，如果R-Markdown的代码块开启了缓存，或者全局环境存在其他变量干扰，种子可能无法完全锁定随机森林的构建过程，导致每次生成的决策树存在细微差异，进而使变量重要性的排序或数值发生变化。另外randomForestSRC的生存森林计算逻辑中，部分随机抽样细节也可能在特定环境下产生波动。
2. 默认绘图的多结果展示：plot(fit)默认会输出生存模型的多种变量重要性结果——你提供的两张示例图，一张是针对死亡事件的特异性重要性图，另一张是包含删失数据的综合重要性图，这是不同维度的计算结果，并非完全由随机波动导致。

二、如何仅显示第一个事件的变量重要性图？ #

只需给plot()函数添加which=1参数，指定只绘制第一个事件对应的图即可，修改后的代码行如下：

plot(fit, which = 1)

整理后的完整可运行代码 #

library(randomForestSRC)
library(survival)
library(dplyr) # 使用select函数需加载此包

# 数据集为UCI心力衰竭临床记录数据集
ucifile <- "https://archive.ics.uci.edu/ml/machine-learning-databases/00519/heart_failure_clinical_records_dataset.csv"

HF <- read.csv(ucifile, header=TRUE) 

HF$anaemia = as.factor(HF$anaemia)
HF$diabetes = factor(HF$diabetes, levels=c(0, 1), 
                     labels=c("Absent", "Present"))
HF$hypertension = factor(HF$high_blood_pressure, 
                         levels=c(0, 1), labels=c("Absent", "Present"))

HF$sex = factor(HF$sex, levels=c(0, 1), labels=c("Female", "Male"))
HF$smoking = factor(HF$smoking, levels=c(0, 1), labels=c("No", "Yes"))
HF$DEATH_EVENT = as.factor(HF$DEATH_EVENT)

HF <- select(HF, -high_blood_pressure)

set.seed(0)

fit <- rfsrc(Surv(time, DEATH_EVENT) ~ .,
             data = HF, 
             ntree = 1000, 
             importance = TRUE,
             nsplit = 5)

# 仅绘制第一个事件的变量重要性图
plot(fit, which = 1)

内容的提问来源于stack exchange，提问作者Antonio