R语言中，survivalsvm模型的变量（特征）重要性排名和brier score的代码，来自哪个包，具体解释详细说明，有实例

survivalsvm是一个R语言包，用于建立生存分析的支持向量机（SVM）模型。该包提供了一个函数`survivalsvm()`，用于建立SVM模型，并且可以使用该模型来预测生存时间。

survivalsvm包中并没有提供直接计算变量重要性排名和brier score的函数。但是，我们可以使用其他包来计算这些指标。下面是两个比较常用的包：

1. `randomForestSRC`包：该包提供了一个函数`var.importance()`，用于计算变量重要性排名。该函数可以用于任何生存分析模型，包括SVM模型。下面是一个例子：

library(survivalsvm)
library(randomForestSRC)

# 使用lung数据集建立survivalsvm模型
data(lung)
svm.model <- survivalsvm(Surv(time, status) ~ ., data = lung)

# 计算变量重要性排名
vi <- var.importance(svm.model, lung)
print(vi$importance)

2. `pec`包：该包提供了一个函数`pec()`，用于计算生存分析模型的brier score。下面是一个例子：

library(survivalsvm)
library(pec)

# 使用lung数据集建立survivalsvm模型
data(lung)
svm.model <- survivalsvm(Surv(time, status) ~ ., data = lung)

# 计算brier score
brier.score <- pec(svm.model, lung$time, lung$status)
print(brier.score)

需要注意的是，这些指标的计算结果可能受到数据集的影响。因此，在使用这些指标来比较不同模型的性能时，应该使用相同的数据集。