[发明专利]一种基于梯度生存提升树的生存分析风险函数预测方法

说明书

本发明涉及一种基于梯度生存提升树的生存分析风险函数预测方法，包括以下步骤：S1：获取生存分析样本数据，进行预处理；S2：基于贪婪的分割算法构建梯度提升树预测模型；S3：利用训练数据对梯度提升树预测模型进行训练；S4：将预处理完成的生存分析样本数据输入梯度提升树预测模型，输出预测得到的风险函数，与现有技术相比，本发明具有准确度、泛化性能和可解释性等优点。

技术领域

本发明涉及生存分析领域，尤其是涉及一种基于梯度生存提升树的生存分析风险函数预测方法。

背景技术

生存分析，常用于保险精算、生物医学领域，目前是信用风险统计领域的热点模型。与传统的回归问题不同，生存分析的研究目标为某个事件在特定时间点发生的概率，进而估计用户随时间变化的生存曲线，而不仅仅是预测一个目标变量。传统的生存分析方法一般对用户个体的风险函数做出某种假设，并设置模型参数与个体协变量为线性关系，其模型的预测性能与假设的准确性关联很大，一旦假设不准，模型的预测能力将大大降低。

生存分析的方法一般可以分为三类：

(1)Cox比例风险回归模型。Cox比例风险模型假定各危险因素的作用不随时间的变化而变化，模型中的协变量与对数风险比呈线性关系，以优化数据对应的偏似然函数为目标，可以得到易于解释的模型，但该方法在一定程度上限制了模型的表达能力，无法表示一些比较复杂的非线性关系。

(2)随机生存森林(Random forest)方法。随机生存森林方法主要基于生存分析中的无参数估计方法，而不局限于Cox比例风险回归方法的假设。该方法需要大量的数据来训练模型，而得到的模型虽然可以表示复杂的非线性关系，但也容易出现过拟合的情况，泛化能力不强。

(3)梯度提升树方法。此类方法主要的模型有GBDT、XGBoost等，本发明中使用的GBST也属于这类方法。梯度提升树利用最速下降的近似方法，即利用损失函数的负梯度在当前模型的值，作为回归问题中提升树算法残差的近似值，拟合一个回归树。梯度提升树以生存数据对应的偏似然函数作为损失函数，以损失函数对上一轮模型预测值的负梯度作为“残差”的近似值。常用的GBDT、XGBoost虽然能对生存分析中用户在某个特定时间点的风险进行拟合，但当同时拟合用户在多个时间节点的风险时，这些方法所用的损失函数不够精确，未能在本发明所在领域取得满意的效果。

而基于神经网络的生存分析模型则需要海量数据，同时需要不断调节参数，虽然模型预测性能还不错，但由于其预测模型为一个黑箱，可解释性不够，因此生存分析领域一般也不会使用深度学习相关技术。总而言之，生存分析风险函数预测模型既需要一定的准确度和泛化性能，也需要一定的可解释性。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种兼具准确度、泛化性能和可解释性的基于梯度生存提升树的生存分析风险函数预测方法。

本发明的目的可以通过以下技术方案来实现：

一种基于梯度生存提升树的生存分析风险函数预测方法，包括以下步骤：

S1：获取生存分析样本数据，进行预处理；

S2：基于贪婪的分割算法构建梯度提升树预测模型；

S3：利用训练数据对梯度提升树预测模型进行训练；

S4：将预处理完成的生存分析样本数据输入梯度提升树预测模型，输出预测得到的风险函数。

进一步地，所述的生存分析样本数据的表达式为：

(x_i,t_i,y_i)，i＝1,2,…,n