首页y_train <- Surv(train$time,train$status)

y_train <- Surv(train$time,train$status)

时间: 2023-08-07 08:06:13 浏览: 163

fight-detection-surv-dataset:新生成的用于监视摄像机中战斗检测的数据集

监控摄像机的基于视觉的战斗检测通过该存储库共享新的战斗数据集。此数据集可用于开发战斗检测系统，该系统旨在用于街道，地铁站等公共场所的监视摄像机。在IPTA 2019大会上发表的论文《基于监视摄像机的基于视觉的战斗检测》中包含了实施和实验的详细信息。该项目基于CNN + LSTM动作识别系统开发，并使用经过重新训练的Xception CNN，Bi-LSTM和自我关注层进行了改进。系统设计该系统分为特征提取和分类两部分。数据集包含2秒长的视频样本。由于CNN是2D，因此数据需要进行一些修改。因此，通过以均匀的方式考虑样本中的总帧数，可以从每个视频序列中获得5-10帧。根据CNN架构的输入大小调整帧的大小。然后，将每个帧发送到CNN以进行特征提取。在该过程的最后，我们为每个帧都有一个特征向量。之后，将所有功能发送到Bi-LSTM中以进行序列学习。 LSTM系统可以了解

根据引用\[3\]中的代码，y_train是用来存储训练集的生存时间和生存状态的变量。在这个代码中，y_train被定义为Surv(train$time,train$status)，其中train$time是训练集的生存时间，train$status是训练集的生存状态。所以y_train是一个用来存储训练集生存时间和生存状态的变量。 #### 引用[.reference_title] - *1* [生信跑cox出现错误](https://blog.csdn.net/Fredlin98/article/details/129679152)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [Cox回归校准曲线(测试集)的实现方法（下）](https://blog.csdn.net/Ayue0616/article/details/130536102)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

阅读全文