カスタム Cox PH モデル

前の演習で、有意水準 0.05 で統計的に有意だった3つの要因を特定しました：fin、age、prio。

fin: 受刑者が金銭的支援を受けた場合、ハザードは31%低下します。
age: 平均より1歳高くなるごとに、ハザードは5%低下します。
prio: 平均より前科が1件増えるごとに、ハザードは9%上昇します。

これらの共変量を使ってカスタムの Cox PH モデルを構築しましょう。

CoxPHFitter クラスはすでにインポート済みで、pandas と numpy はそれぞれ pd と np としてインポートされています。必要に応じてコンソールで DataFrame prison とその列名を確認してください。

CoxPHFitter クラスをインスタンス化し、custom_cph という名前を付けます。
formula パラメータを用いて、fin + age + prio のカスタム回帰モデルで custom_cph を学習させます。
cph のモデルサマリーを取得して出力します。