randomForestSRC.qmd

---
title: "randomForestSRC"
format: html
---

## randomForestSRC 笔记

此处记录一个较为详细的随机生存森林分析的流程。
包括模型的构建结果解读，对应的KM曲线绘制，time-dependent ROC曲线，校准曲线，决策曲线等。


### 首先是加载所需要的R包

```{r, include=FALSE}
library(randomForestSRC)
library(vip)
```


2231个样本，41个变量的数据集。

```{r}
data(peakVO2)
```

```{r}
set.seed(42)

split_index <- caret::createDataPartition(peakVO2$ttodead,
                                       p = 0.8,
                                       list = FALSE
                                       )

df_train <- peakVO2[split_index, ]
df_test <- peakVO2[-split_index, ]
```

*并行设置：*

```{r}

```

### 模型构建和结果解读

```{r}
obj <- randomForestSRC::rfsrc(Surv(ttodead, died)~., df_train,
             ntree = 1000, 
             nodesize = 5, 
             nsplit = 50, 
             importance = TRUE)

print(obj)
```
*interpret: *



### 模型评价

C-index

```{r}
get.cindex(obj$yvar[,1], obj$yvar[,2], obj$predicted.oob)
```


### 重要变量筛选

重要变量。

```{r}
vip::vip(object = obj)
```