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。
この演習はコースの一部です
Pythonで学ぶSurvival Analysis
演習の手順
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。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Instantiate CoxPHFitter class
custom_cph = ____
# Fit custom model
____
# Print model summary
print(____)