如何使用决策树进行生存分析？
How to use decision trees for survival analysis?
我在理解和应用决策树进行生存分析时遇到问题 Python。我有一个数据集，其中包含变量年龄、体重、肿瘤大小、体积……（所有浮点数），我想知道是否与总体存活率（也是一个浮点数）相关。
但是我该如何应用决策树呢？在文献中，我只看到 y_train 必须是分类变量的示例（例如 0 或 1，良性或恶性，......）但它不适用于像浮点数这样的连续变量。
但是我想创建一个决策树，这样最后你可以发现肿瘤大小 > xx 和体积 >yy 你预测的总生存期约为 < zzz。
有人可以帮我解决我的问题吗？有谁知道在哪里可以阅读有关此主题的更多信息？
Scikit-survival 包提供了一些集成决策树模型，例如 RandomSurvivalForest and also classical models like the Cox model CoxPhSurvivalAnalysis。
文档提供了很好的代码example。关于目标变量 y，至少在这种情况下，文档说明
y – A structured array containing the binary event indicator as first field, and time of event or time of censoring as second field.
我在理解和应用决策树进行生存分析时遇到问题 Python。我有一个数据集，其中包含变量年龄、体重、肿瘤大小、体积……（所有浮点数），我想知道是否与总体存活率（也是一个浮点数）相关。
但是我该如何应用决策树呢？在文献中，我只看到 y_train 必须是分类变量的示例（例如 0 或 1，良性或恶性，......）但它不适用于像浮点数这样的连续变量。
但是我想创建一个决策树，这样最后你可以发现肿瘤大小 > xx 和体积 >yy 你预测的总生存期约为 < zzz。
有人可以帮我解决我的问题吗？有谁知道在哪里可以阅读有关此主题的更多信息？
Scikit-survival 包提供了一些集成决策树模型，例如 RandomSurvivalForest and also classical models like the Cox model CoxPhSurvivalAnalysis。
文档提供了很好的代码example。关于目标变量 y，至少在这种情况下，文档说明
y – A structured array containing the binary event indicator as first field, and time of event or time of censoring as second field.