如何在Pyspark中对AftergressionSurviaval模型进行评分？

Question

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