Auswirkungen der Kovariate auf das Überleben plotten
Zwei Strafgefangene stehen auf der Warteliste für ihre Entlassung. Du möchtest ihre Überlebensfunktion für die Zeit bis zur Verhaftung mithilfe des CoxPHFitter-Modells vorhersagen, das du gerade angepasst hast. Die Kovariaten für die Personen sind unten aufgeführt:
| Name | fin | age | wexp | mar | paro | prio |
|---|---|---|---|---|---|---|
| Jack | 0 | 35 | 0 | 1 | 1 | 3 |
| Marie | 1 | 22 | 0 | 0 | 0 | 0 |
Stelle die Überlebenskurven von Jack und Marie mit Hilfe von cph nebeneinander mit der Basisüberlebenskurve dar. Das angepasste Modell cph wurde für dich geladen.
Die Klasse CoxPHFitter wurde importiert und das Modul matplotlib.pyplot wurde als plt importiert. Die Bibliotheken pandas und numpy werden als pd bzw. np importiert.
Diese Übung ist Teil des Kurses
Überlebenszeitanalyse in Python
Anleitung zur Übung
- Verwende
.plot_partial_effects_on_outcome(), um die (oben aufgeführten) Kovariatenwerte für Jack und Marie anzugeben und ihre Überlebenskurven zu plotten. - Zeige den Plot an.
Interaktive Übung zum Anfassen
Probieren Sie diese Übung aus, indem Sie diesen Beispielcode ausführen.
# Plot partial effects
cph.____(covariates=____,
values=____)
# Show plot
plt.show()