凯萨薇生存模型最让人头疼的问题，不是模型跑不出来，而是训练集上效果还可以、一上验证集就崩，或者在公开数据集刷出漂亮分数、落到自己业务数据上完全失真。这类问题业内一般叫“泛化能力差”，尤其在生存分析里特别常见，因为生存数据本身带删失、带时间维度、样本往往还不均衡，模型想“偷懒死记硬背”太容易了。
这篇内容围绕“提高生存模型的泛化能力”展开，适合正在做医疗预后、客户流失预测、设备故障预测或任何涉及“到某个时间点发生某件事”的建模场景的同学。我会从数据、模型、训练策略、评估方式四个层面拆解，结合我自己实际跑过的实验和踩过的坑，尽量把每个操作背后的原因也讲清楚，这样你不仅能照着改，还能知道为什么这么改。
1. 先搞清楚“泛化能力差”到底差在哪
1.1 生存模型过拟合的三种典型表现
泛化能力差不是一种病，而是几种不同病因的症状。我把平时业务中见到的过拟合现象分成三类，你先对照看看自己属于哪种。
第一类是经典的训练-验证gap过大，训练集C-index 0.85，验证集直接掉到0.65。这说明模型把训练数据里的噪声和个体特征当成了规律来记忆，尤其是样本量不大但特征维度又不低的时候，这种gap几乎必然会存在。
第二类更隐蔽：交叉验证结果内部稳定，比如同一批数据切5折，每折C-index都在0.75左右，看着很稳，但模型放到一个独立的新数据集上就掉到0.6以下。这种叫“分布漂移下的泛化失败”，说明模型学到的规律过于依赖原数据集特有的病例组合、年龄段分布、随访时长结构，而不是真正的因果关系或稳定关联。
第三类是“校准漂移”，就是模型区分能力还在，AUC也还行，但预测的生存概率整体偏高或偏低。举个例子，模型预测某患者群体5年生存率70%，实际随访下来只有50%。这说明模型的概率估计有系统性偏差，这种问题在训练集上可能因为样本分布特殊而被掩盖，一到外部数据就暴露。
1.2 为什么生存模型比普通分类模型更容易“飘”
生存模型比普通二分类模型更容易过拟合，这个不是错觉，而是数据结构本身决定的。
普通分类模型每个样本是一个静态的（特征向量，标签）对，而生存模型每个样本是一个（特征向量，事件时间，删失指示）三元组，其中事件时间还是一个连续值。连续值拟合的自由度比离散标签大得多，模型有更多“记忆”空间。再加上删失问题——约三分之一到一半的样本在观察期内没发生事件