惩罚COX模型和弹性网技术在高维数据生存分析中的应用

摘要

目的：探讨L1和L2惩罚COX模型与弹性网技术用于高维数据生存分析的优劣.方法：针对基因或蛋白生物信息数据的高维度、强相关、小样本的特点进行模拟研究,考察这些模型的表现,并对Van,t Veer等学者乳腺癌研究数据集进行实例分析.结果：以R2作为模型评价标准,模拟研究显示随着自变量之间相关程度的增强,弹性网筛选变量的优势越来越大;随着数据方差的增大,各方法筛出的自变量都在增多,模型拟合效果变好;随着删失比例的增加,各方法拟合效果都变差.实例分析中弹性网技术也得到较好结果.结论：L2-COX模型和L1-COX模型都是处理高维生存资料的方法,只是L2-COX模型没有降维作用,但是处理共线性的效能强.L1-COX模型主要用来对高维数据进行降维而处理共线性的功能稍弱.EN-COX模型同时汲取了L1和和L2两种模型的优点,是分析处理高维小样本生存资料的较理想模型.