生存回归预测 (AftSurvivalRegPredictStreamOp)

Java 类名：com.alibaba.alink.operator.stream.regression.AftSurvivalRegPredictStreamOp

Python 类名：AftSurvivalRegPredictStreamOp

功能介绍

在生存分析领域，加速失效时间模型(accelerated failure time model,AFT 模型)可以作为比例风险模型的替代模型。生存回归组件支持稀疏、稠密两种数据格式。

算法原理

AFT模型将线性回归模型的建模方法引人到生存分析的领域，将生存时间的对数作为反应变量，研究多协变量与对数生存时间之间的回归关系，在形式上，模型与一般的线性回归模型相似。对回归系数的解释也与一般的线性回归模型相似，较之Cox模型， AFT模型对分析结果的解释更加简单、直观且易于理解，并且可以预测个体的生存时间。

算法使用

生存回归分析是研究特定事件的发生与时间的关系的回归。这里特定事件可以是：病人死亡、病人康复、用户流失、商品下架等。

文献或出处

[1] Wei, Lee-Jen. “The accelerated failure time model: a useful alternative to the Cox regression model in survival analysis.” Statistics in medicine 11.14‐15 (1992): 1871-1879.

[2] https://spark.apache.org/docs/latest/ml-classification-regression.html#survival-regression

参数说明

名称	中文名称	描述	类型	是否必须？	取值范围	默认值
predictionCol	预测结果列名	预测结果列名	String	✓
modelFilePath	模型的文件路径	模型的文件路径	String			null
predictionDetailCol	预测详细信息列名	预测详细信息列名	String
quantileProbabilities	分位数概率数组	分位数概率数组	double[]			[0.01,0.05,0.1,0.25,0.5,0.75,0.9,0.95,0.99]
reservedCols	算法保留列名	算法保留列	String[]			null
vectorCol	向量列名	向量列对应的列名，默认值是null	String		所选列类型为 [DENSE_VECTOR, SPARSE_VECTOR, STRING, VECTOR]	null
numThreads	组件多线程线程个数	组件多线程线程个数	Integer			1
modelStreamFilePath	模型流的文件路径	模型流的文件路径	String			null
modelStreamScanInterval	扫描模型路径的时间间隔	描模型路径的时间间隔，单位秒	Integer			10
modelStreamStartTime	模型流的起始时间	模型流的起始时间。默认从当前时刻开始读。使用yyyy-mm-dd hh:mm:ss.fffffffff格式，详见Timestamp.valueOf(String s)	String			null

代码示例

Python 代码

from pyalink.alink import *

import pandas as pd

useLocalEnv(1)

df = pd.DataFrame([
    [1.218, 1.0, "1.560,-0.605"],
    [2.949, 0.0, "0.346,2.158"],
    [3.627, 0.0, "1.380,0.231"],
    [0.273, 1.0, "0.520,1.151"],
    [4.199, 0.0, "0.795,-0.226"]])

data = BatchOperator.fromDataframe(df, schemaStr="label double, censor double, features string")
dataStream = StreamOperator.fromDataframe(df, schemaStr="label double, censor double, features string")

trainOp = AftSurvivalRegTrainBatchOp()\
                .setVectorCol("features")\
                .setLabelCol("label")\
                .setCensorCol("censor")

model = trainOp.linkFrom(data)

predictOp = AftSurvivalRegPredictStreamOp(model)\
                .setPredictionCol("pred")

predictOp.linkFrom(dataStream).print()
StreamOperator.execute()

Java 代码

import org.apache.flink.types.Row;

import com.alibaba.alink.operator.batch.BatchOperator;
import com.alibaba.alink.operator.batch.regression.AftSurvivalRegTrainBatchOp;
import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
import com.alibaba.alink.operator.stream.StreamOperator;
import com.alibaba.alink.operator.stream.regression.AftSurvivalRegPredictStreamOp;
import com.alibaba.alink.operator.stream.source.MemSourceStreamOp;
import org.junit.Test;

import java.util.Arrays;
import java.util.List;

public class AftSurvivalRegPredictStreamOpTest {
	@Test
	public void testAftSurvivalRegPredictStreamOp() throws Exception {
		List <Row> df = Arrays.asList(
			Row.of(1.218, 1.0, "1.560,-0.605"),
			Row.of(2.949, 0.0, "0.346,2.158"),
			Row.of(3.627, 0.0, "1.380,0.231"),
			Row.of(0.273, 1.0, "0.520,1.151")
		);
		BatchOperator <?> data = new MemSourceBatchOp(df, "label double, censor double, features string");
		StreamOperator <?> dataStream = new MemSourceStreamOp(df, "label double, censor double, features string");
		BatchOperator <?> trainOp = new AftSurvivalRegTrainBatchOp()
			.setVectorCol("features")
			.setLabelCol("label")
			.setCensorCol("censor");
		BatchOperator <?> model = trainOp.linkFrom(data);
		StreamOperator <?> predictOp = new AftSurvivalRegPredictStreamOp(model)
			.setPredictionCol("pred");
		predictOp.linkFrom(dataStream).print();
		StreamOperator.execute();
	}
}

运行结果

label	censor	features	pred
2.9490	0.0000	0.346,2.158	2933.1642
3.6270	0.0000	1.380,0.231	1524.2502
1.2180	1.0000	1.560,-0.605	1.6231
0.2730	1.0000	0.520,1.151	0.2706

ALinkLab