Modelování vězeňských dat pomocí Cox PH
DataFrame prison obsahuje informace o 432 odsouzených, kteří byli propuštěni a sledováni po dobu jednoho roku po propuštění. Modeloval/a jsi jejich dobu do zatčení a zkoumal/a, jaké faktory zvyšují nebo snižují riziko opětovného zatčení pomocí Weibullova AFT modelu.
Třída CoxPHFitter z knihovny lifelines implementuje Coxův model proporcionálních rizik pro regresní analýzu přežití – modeluje základní funkci rizika a poměry rizik, které definují jeho proporce. Zkusme CoxPHFitter použít k prozkoumání těchto faktorů!
Knihovna pandas je importována jako pd a numpy jako np. K prozkoumání DataFrame a názvů jeho sloupců použij konzoli.
Toto cvičení je součástí kurzu
Survival Analysis in Python
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Import CoxPHFitter class
____
# Instantiate CoxPHFitter class cph
____