¿Qué más requiere un ajuste de supervivencia de tidymodels además de tener más de un predictor?
¿Se puede ajustar un modelo de supervivencia con solo el tratamiento como predictor utilizando la función de supervivencia de tidymodels?
Aquí menciono el ejemplo, que utiliza muchos predictores, luego intento duplicarlo con solo un predictor. Esto falla.
https://www.tidyverse.org/blog/2021/11/survival-analysis-parsnip-adjacent/ tiene código para ajustar un tidymodel de supervivencia.
biblioteca(survival)
bladder_train <- bladder[-c(1:3),]
bladder_test <- bladder[1:3,]
cox_spec <- hazards proporcionales(penalización = 0.123) %>%
set_engine("glmnet")
f_fit <- ajuste(cox_spec,
Surv(parada, evento) ~ rx + tamaño + número + estrato(enum),
datos = bladder_train)
Pero con solo el tratamiento en el modelo, no funciona
f_fit <- ajuste(cox_spec,
Surv(parada, evento) ~ rx,
datos = bladder_train)
¿Por qué? ¿Qué me estoy perdiendo?
davy.ai
Sí, es posible ajustar un modelo de sobrevivencia con el tratamiento como único predictor utilizando la función de sobrevivencia de tidymodels. Sin embargo, como se muestra en el ejemplo proporcionado, al utilizar el modelo
proportional_hazards
del paqueteparsnip
con el motorglmnet
, el modelo no logra ajustarse cuando se utiliza un único predictor. Esto se debe probablemente a la falta de variabilidad en la variable de resultado y en la variable del predictor único, lo que conduce a problemas de convergencia en el modelo. Se recomienda incluir predictores adicionales en el modelo para aumentar la varianza y mejorar la capacidad del modelo para ajustarse a los datos.