知识卡片
生存分析解决截面回归的盲点
内容
一般回归模型（逻辑回归、决策树等）只能给出某个时间截面上”事件是否发生”的概率，无法刻画事件随时间连续变化的规律；而且一旦样本在观察期中途状态改变（比如二手车中途调价），原本的截面标签就会被打乱，很难分析这次变化的真实影响。生存分析把”事件是否发生”和”发生所需时间”绑定在一起建模，天然适合库存周转、用户流失这类随时间推移逐步发生的行为分析场景。
参考来源
- 位置：《数据科学工程实践》第2章《与时间相关的行为分析》"2.1.2 为什么不选择一般回归模型"一节（源文件：_epub-src/OEBPS/Text/part0013.xhtml）
- 结论依据：原文明确一般回归/分类模型"处理的均是截面数据……由于无法有效处理连续时间信息，导致分析效率低……如果在观察时间窗途中调价，将影响车辆出售概率，难以分析调价对于出售概率的影响"，并说明"生存分析既关注事件结果又关注结果发生时间……将结果发生的时间因素纳入分析框架，能够有效刻画事件结果随时间变化的规律"。
- 原始内容：已知问题核心在于求解二手车随时间连续变化的留存概率曲线，而一般的回归模型……处理的均是截面数据，模型输出结果是特定时间截面下的事件发生概率……由于无法有效处理连续时间信息，导致分析效率低，且无法精细反映车辆留存概率与时间的关系……如果在观察时间窗途中调价，将影响车辆出售概率，难以分析调价对于出售概率的影响……与只关注事件结果的模型不同，生存分析既关注事件结果又关注结果发生时间。