我在pyspark中使用AFTSurvival回归包。我有一个标签,这是时间和审查,这是1或0为那些已经发生或没有以及一些功能的事件。我把它们插在包装上的模型上。它给我的预测列是exp(x'beta)和scale参数。我想知道应该使用什么函数对每行进行评分(即概率值介于0和1之间)。例如:
row# censor label prediction score
1 1 50 34 0.03 (I just made up)
2 0 24 80 0.9
目前,我使用的是生存函数S(t)=exp(-exp((log(label)-log(prediction))/scale)),但我想这并没有给我正确的答案;因为对于censor为1的行,大多数评分结果都是非常大的数字,尽管它们已经出现了。我想知道是否有更好的函数来对每行进行评分
目前没有回答
相关问题 更多 >
编程相关推荐