Modèle de Cox PH personnalisé

Vous avez isolé trois facteurs statistiquement significatifs au seuil de 0,05 dans l’exercice précédent : fin, age et prio.

fin : si la personne condamnée a reçu une aide financière, le risque instantané diminue de 31 % ;
age : pour chaque année au‑dessus de la moyenne, le risque instantané diminue de 5 % ;
prio : pour chaque arrestation antérieure au‑dessus de la moyenne, le risque instantané augmente de 9 %.

Construisons un modèle de Cox PH personnalisé à partir de ces covariables.

La classe CoxPHFitter a été importée pour vous, et les bibliothèques pandas et numpy sont importées respectivement sous pd et np. Utilisez la console pour explorer le DataFrame prison et les noms de ses colonnes si besoin.

Cet exercice fait partie du cours

Analyse de survie en Python

Afficher le cours

Instructions

Instanciez une classe CoxPHFitter appelée custom_cph.
Ajustez custom_cph avec un modèle de régression personnalisé fin + age + prio en utilisant le paramètre formula.
Récupérez le résumé du modèle de cph et affichez‑le.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Instantiate CoxPHFitter class
custom_cph = ____

# Fit custom model
____

# Print model summary
print(____)

Modifier et exécuter le code