Angepasste Cox-Regression

Du hast in der vorherigen Aufgabe drei Faktoren isoliert, die auf dem 0,05-Niveau statistisch signifikant sind: fin, age und prio.

fin: Wenn der Strafgefangene finanzielle Unterstützung erhielt, sank das Risiko (Hazard) um 31 %;
age: Für jedes Alter, das über dem Durchschnitt liegt, sinkt das Risiko um 5 %;
prio: Für jede frühere Verhaftung, die über dem Durchschnitt liegt, steigt das Risiko um 9 %.

Erstellen wir ein eigenes Cox-Regressionsmodell mit diesen Kovariaten.

Die Klasse CoxPHFitter wurde für dich importiert, und die Bibliotheken pandas und numpy werden als pd bzw. np importiert. Verwende die Konsole, um den DataFrame prison und seine Spaltennamen nach Bedarf zu untersuchen.

Diese Übung ist Teil des Kurses

Überlebenszeitanalyse in Python

Kurs anzeigen

Anleitung zur Übung

Instanziiere eine CoxPHFitter-Klasse mit dem Namen custom_cph.
Passe custom_cph mit einem benutzerdefinierten Regressionsmodell fin + age + prio an, indem du den Parameter formula verwendest.
Hol dir die Modellzusammenfassung von cph und gib sie aus.

Interaktive Übung zum Anfassen

Probieren Sie diese Übung aus, indem Sie diesen Beispielcode ausführen.

# Instantiate CoxPHFitter class
custom_cph = ____

# Fit custom model
____

# Print model summary
print(____)

Bearbeiten und Ausführen von Code