01Overall Concept
ไอเดียหลัก — Survival Tree ปรับ decision tree ให้ใช้ duration กับ censoring โดยเลือก split จากความแตกต่างของ survival distributions และให้ survival function ต่อใบ
ลองนึกภาพว่า — เหมือนแบ่งผู้ป่วยเป็นห้องตามเงื่อนไขทีละข้อ แล้วสรุปเส้นเวลาการเกิดเหตุการณ์ของคนในแต่ละห้อง
ตัวอย่างการนำไปใช้ — ค้นหากลุ่มความเสี่ยงและความสัมพันธ์ไม่เป็นเส้นตรงในข้อมูล time-to-event
02อธิบายภาษาคนเข้าใจง่ายๆ
Survival Tree เริ่มจากคำถามง่าย ๆ ว่า แบ่งกลุ่มด้วยเงื่อนไขที่ทำให้เส้นการรอดชีวิตของลูกต่างกันมากที่สุด วิธีนี้ไม่ได้มองข้อมูลทุกชนิดเหมือนกัน จึงต้องเตรียมข้อมูลให้ตรงกับสิ่งที่อัลกอริทึมใช้คำนวณ
เหมือนแบ่งผู้ป่วยเป็นห้องตามเงื่อนไขทีละข้อ แล้วสรุปเส้นเวลาการเกิดเหตุการณ์ของคนในแต่ละห้อง ภาพเปรียบเทียบนี้ช่วยจำแก่นของวิธี แต่ตอนใช้งานจริงคอมพิวเตอร์ทำงานกับตัวเลขและกฎที่กำหนดไว้อย่างชัดเจน
Survival Tree ปรับ decision tree ให้ใช้ duration กับ censoring โดยเลือก split จากความแตกต่างของ survival distributions และให้ survival function ต่อใบ พารามิเตอร์หลักใน Playground คือ ตัวอย่างขั้นต่ำต่อใบ เมื่อเลื่อนค่า ระบบจะคำนวณผลใหม่จากข้อมูลชุดเดิม จึงเปรียบเทียบการเปลี่ยนแปลงได้ตรง ๆ
ข้อมูลตัวอย่างบนหน้าใช้รูปแบบ 60 ราย · feature x,y · time และ event เราแยกสิ่งที่อัลกอริทึมรับเข้าออกจากผลลัพธ์ เพื่อไม่เผลอส่งข้อมูลคำตอบหรือข้อมูลอนาคตเข้าไปตอนฝึก
งานที่เหมาะ เช่น ค้นหากลุ่มความเสี่ยงและความสัมพันธ์ไม่เป็นเส้นตรงในข้อมูล time-to-event ก่อนใช้จริงควรกำหนด metric ที่สัมพันธ์กับเป้าหมาย แล้วเปรียบเทียบกับวิธีพื้นฐานที่ง่ายกว่า
ภาพจำ: ใบแต่ละใบมีเส้น survival ตามเหตุการณ์และ censoring ของสมาชิก พร้อมจำข้อจำกัดสำคัญว่า ต้นไม้เดี่ยวมี variance สูง ใบเล็กทำให้ survival curve ไม่นิ่ง และ split ที่เลือกไม่ได้บอกผลเชิงสาเหตุ
03How it works
ค่อยๆ ทำไปด้วยกัน ตั้งแต่ข้อมูลแถวแรกจนถึงการตรวจคำตอบ
เตรียมข้อมูลให้ตรงโจทย์
X พร้อม structured target ที่มี event indicator และ duration ตรวจค่าที่หาย หน่วยของแต่ละคอลัมน์ และแยกข้อมูลประเมินก่อนเรียนรู้พารามิเตอร์จากข้อมูล
ตั้งค่าที่ควบคุมพฤติกรรม
ใช้ min_samples_leaf เพื่อกำหนดขนาดใบขั้นต่ำ และบันทึกค่าเริ่มต้นหรือ random seed เมื่อวิธีมีการสุ่ม เพื่อให้ทำซ้ำและเปรียบเทียบได้
คำนวณแก่นของวิธี
ลอง threshold ที่แบ่ง risk sets เป็นสองกลุ่ม จากนั้น เลือก split ที่แยก survival distributions ได้ดีที่สุด Playground ใช้ข้อมูลสาธิตชุดเดิมทุกครั้งเพื่อให้เห็นผลของ slider โดยไม่ถูกความสุ่มกลบ
สร้างผลลัพธ์ที่นำไปอ่านได้
ประมาณ survival function จากสมาชิกในแต่ละใบ ผลที่ได้คือ risk score survival function และโครงสร้างต้นไม้ ตัวเลขหรือกลุ่มที่ได้ยังต้องตีความร่วมกับบริบทของข้อมูล
ตรวจว่าคำตอบใช้ได้จริง
เปรียบเทียบหลายค่าของ min_samples_leaf ด้วย metric ที่เหมาะ ดูทั้งผลรวมและกรณีที่พลาด แล้วทดสอบกับข้อมูลที่ไม่ใช้ปรับค่า โดยคำนึงถึงข้อจำกัดว่า ต้นไม้เดี่ยวมี variance สูง ใบเล็กทำให้ survival curve ไม่นิ่ง และ split ที่เลือกไม่ได้บอกผลเชิงสาเหตุ
ข้อมูล พารามิเตอร์ และภาพรวมการคำนวณ
min_samples_leafmax_depthsplitterข้อมูลที่รับเข้ามา
X พร้อม structured target ที่มี event indicator และ duration
60 ราย · feature x,y · time และ eventพารามิเตอร์ที่ใช้
- min_samples_leaf
- กำหนดขนาดใบขั้นต่ำ
- max_depth
- จำกัดจำนวนคำถามตามเส้นทาง
- splitter
- เลือกกลยุทธ์ค้นหา split
ผลลัพธ์ที่ได้
risk score survival function และโครงสร้างต้นไม้
ใบแต่ละใบมีเส้น survival ตามเหตุการณ์และ censoring ของสมาชิกคำนวณทีละขั้น
- 01
ลอง threshold ที่แบ่ง risk sets เป็นสองกลุ่ม
- 02
เลือก split ที่แยก survival distributions ได้ดีที่สุด
- 03
ประมาณ survival function จากสมาชิกในแต่ละใบ
ควรรู้อีกนิด — ต้นไม้เดี่ยวมี variance สูง ใบเล็กทำให้ survival curve ไม่นิ่ง และ split ที่เลือกไม่ได้บอกผลเชิงสาเหตุ
04Make it yours
# ติดตั้ง: pip install pandas scikit-survivalimport pandas as pdfrom sksurv.tree import SurvivalTreefrom sksurv.util import Surv data = pd.read_csv("survival-tree-sample.csv")X = data[["x", "y"]]y = Surv.from_arrays(event=data["event"].astype(bool), time=data["duration"])model = SurvivalTree(min_samples_leaf=6, max_depth=5, random_state=42)model.fit(X, y)print("Risk scores:", model.predict(X.iloc[:8]))print("Depth / leaves:", model.tree_.max_depth, model.tree_.n_leaves)โค้ดเปลี่ยนตามค่าที่เลือกใน Playground · แต่ละภาษาใช้ข้อมูลตัวอย่างตามที่ระบุในโค้ด
05Learn by playing
ปรับ ตัวอย่างขั้นต่ำต่อใบ แล้วสังเกตรูปแบบคำทำนายและตัวชี้วัดที่คำนวณใหม่ทันที
Playground เป็น implementation เพื่อการเรียนรู้ที่คำนวณในเบราว์เซอร์ ส่วนโค้ด Python ใช้ scikit-survival จึงอาจให้ค่าต่างกันเล็กน้อยจากรายละเอียดการ optimize และค่าเริ่มต้นของไลบรารี ผลนี้ไม่ใช่ benchmark บนข้อมูลจริง