我正在开展一个项目，使用机器学习方法预测一天事件（移植失败），数据集包含大约900个变量，我是这个领域的新手，我不确定自己是否在正确的轨道上。
首先，我使用神经网络在python中使用Keras库进行预测，然后我发现我的数据中有70％的审查实例（Y变量）。但是，除了Y之外，我还有一个跟进变量。所以，我得出结论，我不应该使用神经网络来解决这类问题，而且我必须事先处理删失数据。现在我有三个问题：
1）获得此审查数据率是否正常？我们该如何处理这类案件？
2）我的结论是否正确，神经网络不是我问题的最佳解决方案？如果没有，最常见的机器学习方法是什么？我已经为此目的找到了生命线和scikit-survival包，但我不知道哪一个更好，这是正确的解决方案。
3）我用后续变量替换了删失数据，而根据我数据集中审查数据的高百分比，我认为它不合适。我意识到我应该使用像Calibration这样的另一种方法，但是我无法找到python库来做这件事。你能帮帮我吗？通常用于Pyhton中的校准？
答案 0 :(得分：0)
我认为处理审查数据的一种方法是使用一种模型来预测Cox比例风险/ kaplan meier。看起来这里有一个框架researchgate.net/publication/…。它有一个关联的GitHub github.com/jaredleekatzman/DeepSurv。不幸的是，在Theano不是Keras
我收回我所说的话。我找到了一个keras版本（尽管我认为它仍然是theano的后端；更改起来并不难）！
https://github.com/mexchy1000/DeepSurv_Keras/blob/master/Survival_Keras_lifelineExample.py