生存模型的构建方法包括：
1. Lasso回归；
2. Cox多因素回归；
3. 随机森林；
4. 支持向量机

可以把log_rank_test或cox筛选出的基因单独做模型构建，也可以取交集之后再做模型构建。

1. Lasso回归（机器学习算法）

目的：从若干个基因中挑选真正对生存有影响的基因。
Lasso回归可以对这些基因进行统计和打分，从而挑出关键基因。

1.1 准备输入数据（表达矩阵数据和临床信息数据）

load("TCGA-KIRC_sur_model.Rdata")
ls()
exprSet[1:4,1:4]
meta[1:4,1:4]

表达矩阵数据

临床信息数据

1.2 构建lasso回归模型

输入数据是表达矩阵（仅含tumor样本）和每个病人对应的生死（顺序必须一致）。

x=t(exprSet) #转换成基因在列
y=meta$event #结局
library(glmnet)

• 1.2.1 挑选合适的λ值

Lambda 是构建模型的重要参数。他的大小关系着模型选择的基因个数

#调优参数
set.seed(1006) 
#⚠️不设置的话，每次运行时后面的结果（选出的基因）会不断变化。这也就是说，如果文献中使用了Lasso回归，是没有办法复现结果的。
cv_fit <- cv.glmnet(x=x, y=y) #cv.glmnet()就是一个调优参数的过程
plot(cv_fit)

图的横轴是选择的λ值，图最上方的数字代表选择对应的λ值时，模型所使用的基因数。
两条虚线分别指示了两个特殊的λ值,一个是lambda.min，一个是lambda.1se，这两个值之间的lambda都认为是可用的。lambda.1se构建的模型最简单，即使用的基因数量少，而lambda.min则准确率更高一点，使用的基因数量更多一点。

#系数图
fit <- glmnet(x=x, y=y) #glmnet是构建模型的
plot(fit,xvar = "lambda")

这张图中的每一条线代表一个基因。横坐标和上面那张图一样是log Lambda，纵坐标是系数。从左往右看，系数一直在0附近的，不管λ是几都不会被选到。
这两张图就是Lasso回归最经典的两张图。

• 1.2.2 用这两个λ值重新建模

两个都构建一下，再比较哪个模型更好。实际操作也可直接选择lambda.min到lambda.1se中的任意一个λ值构建模型，λ值的选择不是固定的。

model_lasso_min <- glmnet(x=x, y=y,lambda=cv_fit$lambda.min) # 得到的模型是一个列表
model_lasso_1se <- glmnet(x=x, y=y,lambda=cv_fit$lambda.1se) # 得到的模型是一个列表
View(model_lasso_1se) #从中选一个查看一下格式

选中的基因与系数存放于模型的子集beta中，beta是一个稀疏矩阵，用到的基因有一个s0值（系数值），没用的基因只记录了“.”（系数是0），所以可以用下面代码挑出用到的基因。

head(model_lasso_min$beta,20)
choose_gene_min=rownames(model_lasso_min$beta)[as.numeric(model_lasso_min$beta)!=0] #as.numeric不等于0的基因就是有系数的也就是被选中了的基因。
choose_gene_1se=rownames(model_lasso_1se$beta)[as.numeric(model_lasso_1se$beta)!=0]
length(choose_gene_min)
# [1] 35 ##选到了35个基因
length(choose_gene_1se)
# [1] 11 ##选到了11个基因
save(choose_gene_min,file = "lasso_choose_gene_min.Rdata")

• 1.2.3 模型预测
  使用predict函数进行模型预测（提供模型和数据就可以得到预测结果）
  newx参数是预测对象。输出结果lasso.prob是一个矩阵，第一列是min的预测结果，第二列是1se的预测结果，预测结果是概率，或者说百分比，不是绝对的0和1。
  将每个样本的生死和预测结果放在一起，直接cbind即可。

lasso.prob <- predict(cv_fit, newx=x, s=c(cv_fit$lambda.min,cv_fit$lambda.1se) ) 
re=cbind(y ,lasso.prob)
head(re)
#                              y         1         2
# TCGA-A3-3307-01A-01T-0860-13 0 0.1151638 0.2300976
# TCGA-A3-3308-01A-02R-1324-13 0 0.4020126 0.3591050
# TCGA-A3-3311-01A-02R-1324-13 1 0.2906333 0.2954458
# TCGA-A3-3313-01A-02R-1324-13 1 0.3831590 0.3456060
# TCGA-A3-3316-01A-01T-0860-13 0 0.3284941 0.3113726
# TCGA-A3-3317-01A-01T-0860-13 0 0.3832764 0.3342198
## y是每个病人，1和2是给的lamda值是min和1se的时候，模型给每个病人计算出来的预测值评分是多少
re=as.data.frame(re)
colnames(re)=c('event','prob_min','prob_1se')
#将真实结局event和预测值合并在一起
re$event=as.factor(re$event)

• 1.2.4 模型评估（绘制ROC曲线）

计算AUC取值范围在0.5-1之间，越接近于1越好。可以根据预测结果绘制ROC曲线。

library(ROCR)
library(caret)
#min
pred_min <- prediction(re[,2], re[,1])
auc_min = performance(pred_min,"auc")@y.values[[1]]
perf_min <- performance(pred_min,"tpr","fpr")
plot(perf_min,colorize=FALSE, col="blue") 
lines(c(0,1),c(0,1),col = "gray", lty = 4 )
text(0.8,0.2, labels = paste0("AUC = ",round(auc_min,3)))
#1se
pred_1se <- prediction(re[,3], re[,1])
auc_1se = performance(pred_1se,"auc")@y.values[[1]]
perf_1se <- performance(pred_1se,"tpr","fpr")
plot(perf_1se,colorize=FALSE, col="red") 
lines(c(0,1),c(0,1),col = "gray", lty = 4 )
text(0.8,0.2, labels = paste0("AUC = ",round(auc_1se,3)))

把两个模型的图画一起

plot(perf_min,colorize=FALSE, col="blue") 
plot(perf_1se,colorize=FALSE, col="red",add = T) 
lines(c(0,1),c(0,1),col = "gray", lty = 4 )
text(0.8,0.3, labels = paste0("AUC = ",round(auc_min,3)),col = "blue")
text(0.8,0.2, labels = paste0("AUC = ",round(auc_1se,3)),col = "red")

一般画成正方形，可以自己调整

ggplot绘图（和上面的图含义一样，ggplot2画的图更好看，绘图也更灵活）

tpr_min = performance(pred_min,"tpr")@y.values[[1]]
tpr_1se = performance(pred_1se,"tpr")@y.values[[1]]
dat = data.frame(tpr_min = perf_min@y.values[[1]],
                 fpr_min = perf_min@x.values[[1]],
                 tpr_1se = perf_1se@y.values[[1]],
                 fpr_1se = perf_1se@x.values[[1]])
library(ggplot2)
ggplot() + 
  geom_line(data = dat,aes(x = fpr_min, y = tpr_min),color = "blue") + 
  geom_line(aes(x=c(0,1),y=c(0,1)),color = "grey")+
  theme_bw()+
  annotate("text",x = .75, y = .25,
           label = paste("AUC of min = ",round(auc_min,2)),color = "blue")+
  scale_x_continuous(name  = "fpr")+
  scale_y_continuous(name = "tpr")


ggplot() + 
  geom_line(data = dat,aes(x = fpr_min, y = tpr_min),color = "blue") + 
  geom_line(data = dat,aes(x = fpr_1se, y = tpr_1se),color = "red")+
  geom_line(aes(x=c(0,1),y=c(0,1)),color = "grey")+
  theme_bw()+
  annotate("text",x = .75, y = .25,
           label = paste("AUC of min = ",round(auc_min,2)),color = "blue")+
  annotate("text",x = .75, y = .15,label = paste("AUC of 1se = ",round(auc_1se,2)),color = "red")+
  scale_x_continuous(name  = "fpr")+
  scale_y_continuous(name = "tpr")

• 1.2.5 切割数据构建模型并预测

对数据进行切割，一组做训练集，使用表达矩阵和临床信息用来构建模型。一组做测试集，输入表达矩阵来对结局进行预测，测序构建的模型预测的结果。

用R包caret切割数据，生成的结果是一组代表列数的数字，用这些数字来给表达矩阵和meta取子集即可。

library(caret) #机器学习R包，可以比较科学的拆分数据。
set.seed(12345679)
sam<- createDataPartition(meta$event, p = .5,list = FALSE) #根据event来切分，一半一半和7比3都可以
head(sam)

train <- exprSet[,sam] #切分表达矩阵，sam是一组，非sam是另一组。
test <- exprSet[,-sam]
train_meta <- meta[sam,] #切分临床信息
test_meta <- meta[-sam,]

#看一下，不要让临床信息差的太多
prop.table(table(train_meta$stage))
prop.table(table(test_meta$stage)) 
prop.table(table(test_meta$race)) 
prop.table(table(train_meta$race)) 

切割后的train数据集建模

#计算lambda
x = t(train)
y = train_meta$event
cv_fit <- cv.glmnet(x=x, y=y)
plot(cv_fit)
#构建模型
model_lasso_min <- glmnet(x=x, y=y,lambda=cv_fit$lambda.min)
model_lasso_1se <- glmnet(x=x, y=y,lambda=cv_fit$lambda.1se)
#挑出基因
head(model_lasso_min$beta)
choose_gene_min=rownames(model_lasso_min$beta)[as.numeric(model_lasso_min$beta)!=0]
choose_gene_1se=rownames(model_lasso_1se$beta)[as.numeric(model_lasso_1se$beta)!=0]
length(choose_gene_min)
# [1] 18
length(choose_gene_1se)
# [1] 3

模型预测
用训练集构建模型，预测测试集的生死，注意newx参数变了。

lasso.prob <- predict(cv_fit, newx=t(test), s=c(cv_fit$lambda.min,cv_fit$lambda.1se) )
re=cbind(event = test_meta$event ,lasso.prob)
re=as.data.frame(re)
colnames(re)=c('event','prob_min','prob_1se')
re$event=as.factor(re$event)
head(re)

再画ROC曲线

library(ROCR)
library(caret)
# 训练集模型预测测试集
#min
pred_min <- prediction(re[,2], re[,1])
auc_min = performance(pred_min,"auc")@y.values[[1]]
perf_min <- performance(pred_min,"tpr","fpr")

#1se
pred_1se <- prediction(re[,3], re[,1])
auc_1se = performance(pred_1se,"auc")@y.values[[1]]
perf_1se <- performance(pred_1se,"tpr","fpr")

tpr_min = performance(pred_min,"tpr")@y.values[[1]]
tpr_1se = performance(pred_1se,"tpr")@y.values[[1]]
dat = data.frame(tpr_min = perf_min@y.values[[1]],
                 fpr_min = perf_min@x.values[[1]],
                 tpr_1se = perf_1se@y.values[[1]],
                 fpr_1se = perf_1se@x.values[[1]])

ggplot() + 
  geom_line(data = dat,aes(x = fpr_min, y = tpr_min),color = "blue") + 
  geom_line(data = dat,aes(x = fpr_1se, y = tpr_1se),color = "red")+
  geom_line(aes(x=c(0,1),y=c(0,1)),color = "grey")+
  theme_bw()+
  annotate("text",x = .75, y = .25,
           label = paste("AUC of min = ",round(auc_min,2)),color = "blue")+
  annotate("text",x = .75, y = .15,label = paste("AUC of 1se = ",round(auc_1se,2)),color = "red")+
  scale_x_continuous(name  = "fpr")+
  scale_y_continuous(name = "tpr")

2. Cox多因素回归

如果Lasso回归挑出的基因数目还是太多，就可以通过Cox多因素回归再进行筛选。
使用Lasso回归挑出的基因作为Cox多因素回归的输入数据，使用逐步回归法去挑选可选范围内最好的模型。（通常来说做数据挖掘的文章构建模型的话最后一步都是多因素Cox）

2.1 准备输入数据

if(!require(My.stepwise))install.packages("My.stepwise")
load("TCGA-KIRC_sur_model.Rdata") #KIRC整理好的生存数据
load("lasso_choose_gene_min.Rdata") #Lasso回归选出的35个基因（这里没有区分lnc和mRNA）

2.2 构建coxph模型

将用于建模的基因（例如lasso回归选中的基因）从表达矩阵中取出来，可作为列添加在meta表格的后面,组成的数据框赋值给dat。

library(stringr)
e=t(exprSet[choose_gene_min,]) #从矩阵中取出Lasso回归选出的35个基因
colnames(e)= str_replace_all(colnames(e),"-","_") #因为miRNA的名字中有减号-，而cox的公式中有加号，会造成干扰，因此需要将基因名中的-替换成_。
dat=cbind(meta,e)

dat$gender=as.numeric(factor(dat$gender)) #把levels转换成数字作为输入
dat$stage=as.numeric(factor(dat$stage))
colnames(dat) #dat矩阵行是样本，列是感兴趣的临床信息和挑出的35个基因
#   [1] "ID"             "event"          "death"          "last_followup"  "race"          
#  [6] "age"            "gender"         "stage"          "time"           "age_group"     
# [11] "hsa_mir_101_1"  "hsa_mir_1179"   "hsa_mir_1185_1" "hsa_mir_1248"   "hsa_mir_1269"  
# [16] "hsa_mir_1277"   "hsa_mir_1305"   "hsa_mir_130a"   "hsa_mir_130b"   "hsa_mir_144"   
# [21] "hsa_mir_149"    "hsa_mir_181b_2" "hsa_mir_181c"   "hsa_mir_18a"    "hsa_mir_223"   
# [26] "hsa_mir_2276"   "hsa_mir_27b"    "hsa_mir_28"     "hsa_mir_3149"   "hsa_mir_34c"   
# [31] "hsa_mir_3613"   "hsa_mir_3614"   "hsa_mir_365_2"  "hsa_mir_3651"   "hsa_mir_3667"  
# [36] "hsa_mir_3676"   "hsa_mir_376b"   "hsa_mir_3917"   "hsa_mir_548q"   "hsa_mir_612"   
# [41] "hsa_mir_627"    "hsa_mir_676"    "hsa_mir_9_2"    "hsa_mir_939"    "hsa_mir_95"    

逐步回归法构建最优模型（从若干个因素中挑选出更关键的）

library(survival)
library(survminer)
library(My.stepwise)
vl <- colnames(dat)[c(6,7,8,11:ncol(dat))] #选择感兴趣的输入因素，这里选了列名中从age开始到最后一列的35个因素作为输入
My.stepwise.coxph(Time = "time",
                  Status = "event",
                  variable.list = vl, #从这些因素中挑选更关键的因素，输出结果中最后一个模型是最好的
                  data = dat)

使用输出结果里的最后一个模型（逐步回归法经过若干次迭代后选出的最好的模型）

# 复制输出结果中的最后一个公式
model = coxph(formula = Surv(time, event) ~ stage + hsa_mir_223 + age + 
    hsa_mir_34c + hsa_mir_3917 + hsa_mir_3651 + hsa_mir_144 + 
    hsa_mir_2276 + hsa_mir_3667 + hsa_mir_3149 + hsa_mir_627 + 
    hsa_mir_101_1, data = dat)

逐步回归法最重要的是选出了～后面的这些因素，作为它认为的最优因素组合来构建模型，～后的因素也可以通过其它方式挑选，公式还是一样的写法。

2.3 模型可视化-森林图

ggforest(model,data = dat)

每一行是一个因素，n=516是用来建模的样本数，第三列和右边的图都是表示SR值，以1为界，小于1的是保护因素，大于1的是危险因素。最后一列是p值。图中有一些p值不显著的也被选中了，但这不影响这是逐步回归法选出的一个最优模型。左下角的Events: 158是说有158个人结局是1。Global p-value: 3.0657e-35，这个是全局的p值，显示这个模型还不错。AIC是衡量模型精确度和简洁度的标准，这个值越小越好。逐步回归法选择模型的标准就是AIC。Concordance index和ROC曲线的AUC值是相同的取值范围相同的作用，只是意义不同，它和AUC一样是评价模型好坏的一个指标。模型不好的话Concordance index就更接近于0.5，好的话就更接近于1。

森林图绘图更多参考：https://www.jianshu.com/p/58c90b2f3910

2.4 模型预测

fp <- predict(model,newdata = dat)
library(Hmisc) #使用Hmisc包中的函数计算C Index
options(scipen=200)
with(dat,rcorr.cens(fp,Surv(time, event))) #用1-返回的C Index值是我们所说的C Index，也就是上面森林图中标出的0.81
#         C Index             Dxy            S.D.               n         missing      uncensored 
#      0.19234306     -0.61531388      0.03361968    516.00000000      0.00000000    158.00000000 
#  Relevant Pairs      Concordant       Uncertain 
#  89174.00000000  17152.00000000 176550.00000000 

C-index用于计算生存分析中的COX模型预测值与真实之间的区分度（discrimination），也称为Harrell's concordanceindex。C-index在0.5-1之间。0.5为完全不一致,说明该模型没有预测作用,1为完全一致,说明该模型预测结果与实际完全一致。

2.5 切割数据构建模型并预测

• 2.5.1 切割数据
  用R包caret切割数据，生成的结果是一组代表列数的数字，用这些数字来给表达矩阵和meta取子集即可。

library(caret)
set.seed(12345679)
sam<- createDataPartition(meta$event, p = .5,list = FALSE)
train <- exprSet[,sam]
test <- exprSet[,-sam]
train_meta <- meta[sam,]
test_meta <- meta[-sam,]

• 2.5.2 切割后的train数据集建模
  和上面的建模方法一样。

e=t(train[choose_gene_min,])
colnames(e)= str_replace_all(colnames(e),"-","_")
dat=cbind(train_meta,e)

dat$gender=as.numeric(factor(dat$gender))
dat$stage=as.numeric(factor(dat$stage))
colnames(dat)

#install.packages("My.stepwise")
# library(My.stepwise)
# vl <- colnames(dat)[c(6,7,8,11:ncol(dat))]
# My.stepwise.coxph(Time = "time",
#                   Status = "event",
#                   variable.list = vl,
#                   data = dat)

model = coxph(formula = Surv(time, event) ~ stage + hsa_mir_223 + age + 
    hsa_mir_34c + hsa_mir_181b_2 + hsa_mir_3614, data = dat)

• 2.5.3 模型可视化

ggforest(model, data =dat)

• 2.5.4 用切割后的数据test数据集验证模型

e=t(test[choose_gene_min,])
colnames(e)= str_replace_all(colnames(e),"-","_")
test_dat=cbind(test_meta,e)
test_dat$gender=as.numeric(factor(test_dat$gender))
test_dat$stage=as.numeric(factor(test_dat$stage))

fp <- predict(model,newdata = test_dat)
library(Hmisc)
with(test_dat,rcorr.cens(fp,Surv(time, event)))
#        C Index            Dxy           S.D.              n        missing 
#     0.22565299    -0.54869403     0.04919064   258.00000000     0.00000000 
#     uncensored Relevant Pairs     Concordant      Uncertain 
#    75.00000000 21440.00000000  4838.00000000 44858.00000000 

3 随机森林

3.1 准备输入数据

输入数据是肿瘤样本表达矩阵exprSet和临床信息meta

load("TCGA-KIRC_sur_model.Rdata")
library(randomForest)
library(ROCR)
library(genefilter)
library(Hmisc)

3.2 构建随机森林模型

输入数据是表达矩阵(仅含tumor样本)和对应的生死。（和Lasso回归一样）

x=t(exprSet)
y=meta$event
#构建模型，一个叫randomForest的函数,运行时间很长,存Rdata跳过
tmp_rf="TCGA_KIRC_miRNA_rf_output.Rdata"
if(!file.exists(tmp_rf)){
  rf_output=randomForest(x=x, y=y,importance = TRUE, ntree = 10001, proximity=TRUE )
  save(rf_output,file = tmp_rf)
}
load(file = tmp_rf)
#top30的基因
varImpPlot(rf_output, type=2, n.var=30, scale=FALSE, 
           main="Variable Importance (Gini) for top 30 predictors",cex =.7)

随机森林算法筛选基因不像Lasso回归那么绝对，不是直接分是用到了还是没用到，随机森林只能帮我们把基因的重要性进行排名 ，要选前多少个基因是我们自己定的。（这里选了前30，如上图）

rf_importances=importance(rf_output, scale=FALSE)
head(rf_importances)
#                   %IncMSE IncNodePurity
# hsa-let-7a-1 1.852761e-04     0.1787383
# hsa-let-7a-2 2.167420e-04     0.1916623
# hsa-let-7a-3 2.218169e-04     0.1858544
# hsa-let-7b   7.399404e-05     0.1628646
# hsa-let-7c   7.658155e-05     0.1635053
# hsa-let-7d   1.974099e-04     0.2382185
#解释量top30的基因,和图上是一样的，从下往上看。
choose_gene=rownames(tail(rf_importances[order(rf_importances[,2]),],30)) #选前30个基因，这个数值可变

3.3 模型预测和评估

rf.prob <- predict(rf_output, x) #rf.prob是预测值，越接近于0就表示模型预测这个人活着，越接近于1就表示模型预测这个人死了。
re=cbind(y ,rf.prob) #预测值和真实值放在一起查看比较
head(re)
#                              y   rf.prob
# TCGA-A3-3307-01A-01T-0860-13 0 0.1364447
# TCGA-A3-3308-01A-02R-1324-13 0 0.1793771
# TCGA-A3-3311-01A-02R-1324-13 1 0.6709712
# TCGA-A3-3313-01A-02R-1324-13 1 0.7742376
# TCGA-A3-3316-01A-01T-0860-13 0 0.2035863
# TCGA-A3-3317-01A-01T-0860-13 0 0.1619938

ROC曲线（随机森林如果不做另外一个数据的验证，它的AUC值是1，所以绘制ROC曲线没有什么意义）

library(ROCR)
#library(caret)

pred <- prediction(re[,2], re[,1])
auc = performance(pred,"auc")@y.values[[1]]
auc
# [1] 1

3.4 切割数据构建模型并预测

• 3.4.1 切割数据

用R包caret切割数据，生成的结果是一组代表列数的数字，用这些数字来给表达矩阵和meta取子集即可。

library(caret)
set.seed(12345679)
sam<- createDataPartition(meta$event, p = .5,list = FALSE)

train <- exprSet[,sam]
test <- exprSet[,-sam]
train_meta <- meta[sam,]
test_meta <- meta[-sam,]

• 3.4.2 切割后的train数据集建模

和上面的建模方法一样。

#建模
x = t(train)
y = train_meta$event
tmp_rf="TCGA_KIRC_miRNA_t_rf_output.Rdata"
if(!file.exists(tmp_rf)){
  rf_output=randomForest(x=x, y=y,importance = TRUE, ntree = 10001, proximity=TRUE )
  save(rf_output,file = tmp_rf)
}
load(file = tmp_rf)

choose_gene=rownames(tail(rf_importances[order(rf_importances[,2]),],30))
head(choose_gene)
# [1] "hsa-mir-511-1"  "hsa-mir-155"    "hsa-mir-409"    "hsa-mir-1185-1"
# [5] "hsa-mir-1277"   "hsa-mir-149"

3.5 模型预测

用训练集构建模型，预测测试集的生死。

x = t(test)
y = test_meta$event
rf.prob <- predict(rf_output, x)
re=cbind(y ,rf.prob)
re=as.data.frame(re)
colnames(re)=c('event','prob')
re$event=as.factor(re$event)

再看AUC值。

library(ROCR)
# 训练集模型预测测试集
pred <- prediction(re[,2], re[,1])
auc= performance(pred,"auc")@y.values[[1]]
auc
# [1] 0.7121311

模型还可以。

4 支持向量机（Support Vector Machine, SVM）

前三种预测方法都是可以把建模时所 使用的基因挑出来，也可以写出公式，SVM比前三种方法要简单很多。

4.1 准备输入数据

load("TCGA-KIRC_sur_model.Rdata")
library(ROCR)
library(genefilter)
library(Hmisc)
library(e1071) #SVM的包名

4.2 构建支持向量机模型

• 4.2.1 切割数据
  用R包caret切割数据，生成的结果是一组代表列数的数字，用这些数字来给表达矩阵和meta取子集即可。

library(caret)
set.seed(12345679)
sam<- createDataPartition(meta$event, p = .5,list = FALSE)

train <- exprSet[,sam]
test <- exprSet[,-sam]
train_meta <- meta[sam,]
test_meta <- meta[-sam,]

• 4.2.2 train数据集建模

x=t(train)
y=as.factor(train_meta$event)
model = svm(x,y,kernel = "linear")
summary(model) 
# 
# Call:
# svm.default(x = x, y = y, kernel = "linear")
# 
# 
# Parameters:
#    SVM-Type:  C-classification 
#  SVM-Kernel:  linear 
#        cost:  1 
# 
# Number of Support Vectors:  176
# 
#  ( 108 68 )
# 
# 
# Number of Classes:  2 
# 
# Levels: 
#  0 1

• 4.2.3 模型预测
  用训练集构建模型，预测测试集的生死。不同于其他模型，这个预测结果是分类变量，直接预测生死，而不是prob。

x=t(test)
y=as.factor(test_meta$event)
pred = predict(model, x)
table(pred,y)
#     y
# pred   0   1
#    0 142  47
#    1  41  28

上面的结果列的0和1是预测的存活和死亡，行的0和1是真实的存活和死亡。预测值是0的有142+41个，预测值是1的有47+28个。真实是0的有142+47个，真实是1的有41+28个。41（false negative）和47（false positive）就属于误判。

代码来自2021生信技能树数据挖掘课