Modelkan data penjara dengan Cox PH
DataFrame prison memuat informasi dari 432 narapidana yang dibebaskan dan diikuti selama satu tahun setelah pembebasan. Anda telah memodelkan waktu hingga penangkapan mereka dan mempelajari faktor apa yang meningkatkan atau menurunkan risiko penangkapan kembali menggunakan model Weibull AFT.
Kelas CoxPHFitter dari lifelines mengimplementasikan model Cox Proportional Hazards untuk regresi survival yang memodelkan fungsi hazard dasar dan rasio hazard yang menentukan proporsi hazard. Mari kita coba gunakan CoxPHFitter untuk menelusuri faktor-faktornya!
Pustaka pandas dan numpy telah diimpor sebagai pd dan np. Gunakan konsol untuk menelusuri DataFrame dan nama kolomnya sesuai kebutuhan.
Latihan ini adalah bagian dari kursus
Analisis Survival dengan Python
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Import CoxPHFitter class
____
# Instantiate CoxPHFitter class cph
____