Temps de survie avec le modèle de Cox PH
Vous avez utilisé le modèle Weibull AFT et le modèle de Cox PH pour modéliser le temps avant arrestation chez des condamnés. Avec le modèle Weibull AFT, vous avez estimé l’impact sur le temps de survie des variations des covariables.
Pouvez-vous faire de même avec le modèle de Cox PH ? Ajustez le modèle de Cox PH aux données prison et calculez l’impact sur le temps de survie d’une augmentation d’une unité de prio (nombre d’arrestations antérieures).
La classe CoxPHFitter a été importée pour vous, et les bibliothèques pandas et numpy sont importées sous les alias pd et np. Utilisez la console pour explorer le DataFrame et les noms de colonnes si nécessaire.
Cet exercice fait partie du cours
Analyse de survie en Python
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Instantiate CoxPHFitter class
cph = ____
# Fit cph to data using all columns
____