survML

survML 是基于 Microsoft FLAML 的二次开发项目：为 FLAML 新增了一个 生存分析（Survival Analysis）任务类型，让 AutoML.fit() 也能一键完成生存模型的选择、超参调优与 C-index 评估。

from flaml import AutoML

automl = AutoML()
automl.fit(X, y, task="survival", metric="c_index", time_budget=15)
print("best C-index:", 1 - automl.best_loss)

y 是**右删失（right-censored）**目标，两列 (duration, event)：

• duration：生存时间（如用户的存活时长、设备到故障的时间）
• event：是否发生终点事件（1 = 事件发生，0 = 被删失）

---

为什么做这个

FLAML 原生支持分类、回归、排序、时序预测、NLP，但没有生存分析。它只有一个 SparkAFTSurvivalRegressionEstimator，还被当成普通回归在用（assert self._task.is_regression()），既没有 C-index 指标，也没有右删失数据管线。

survML 填补了这个空白：新增 survival 任务，打通了「任务类型 → 数据校验 → 切分 → 模型 → 指标」全链路。

---

快速开始

git clone https://github.com/hx-max/survML.git
cd survML
pip install -e ".[automl,test]"     # FLAML 依赖（xgboost / lightgbm 等）
pip install lifelines               # 生存分析依赖
python survival_demo.py

注：survML 的改动尚未发布到 PyPI，体验 task="survival" 需按上面的方式克隆安装。

---

我改了什么

共 5 个文件，+121 / -10 行：

文件	改动
flaml/automl/task/task.py	新增 SURVIVAL 任务名常量 + is_survival() 判断方法
flaml/automl/model.py	新增 CoxPHEstimator（封装 lifelines.CoxPHFitter）；_estimator_type 支持 survival 三态
flaml/automl/task/generic_task.py	注册 "coxph" 估计器；default_metric 返回 c_index；打通右删失数据管线（校验/切分/交叉验证）；survival 只搜 coxph
flaml/automl/ml.py	新增 c_index 指标（concordance index，转成 loss）
flaml/automl/automl.py	AutoML 层的 _estimator_type 支持 survival

---

技术要点

1. 右删失数据表示：生存目标 y 是 (duration, event) 两列。FLAML 原数据管线假设 y 是一维标签，survML 在 validate_data / evaluate_model_CV 中对 DataFrame 型 y 用 .iloc 按行切分、跳过标签编码器。
2. 指标方向：C-index 是「越大越好」，而 FLAML 内部统一用「越小越好」的 loss，因此 c_index 指标返回 1 - concordance_index。
3. 风险分符号约定：lifelines.concordance_index 约定「分数越高 = 生存越久（风险越低）」，而 predict_partial_hazard 输出「越高 = 风险越高」，因此指标内部对风险分取负。
4. 任务类型三态化：sklearn 的 estimator 只有 classifier/regressor 两态，survML 把 _estimator_type 扩展为 classifier/survival/regressor 三态。

---

已知限制 / 下一步

• 目前只接入 CoxPH（lifelines）。下一步可加 sksurv 的随机生存森林、梯度提升生存模型，让 AutoML 在多个生存模型间搜索。
• 尚未实现 predict() 输出完整生存函数曲线（当前输出风险分），可接入 Kaplan-Meier / 生存曲线绘制。
• 交叉验证默认使用 uniform（K-Fold），未做按事件的删失感知分层。

---

许可

本项目是 Microsoft FLAML（MIT License）的派生作品，保留原始版权声明（见 NOTICE.md）。