Modella i dati del carcere con Cox PH

Il DataFrame prison contiene informazioni su 432 detenuti rilasciati e seguiti per un anno dopo il rilascio. Hai già modellato il loro tempo fino al nuovo arresto e studiato quali fattori aumentano o riducono il rischio di essere arrestati di nuovo usando il modello Weibull AFT.

La classe CoxPHFitter di lifelines implementa un modello di Cox a rischi proporzionali per la regressione di sopravvivenza, che modella la funzione di rischio di base e i rapporti di rischio che definiscono le proporzioni di rischio. Proviamo a usare CoxPHFitter per esplorare i fattori!

Le librerie pandas e numpy sono importate rispettivamente come pd e np. Usa la console per esplorare il DataFrame e i nomi delle colonne, se necessario.