Cox PH로 교도소 데이터 모델링하기

DataFrame prison에는 가석방 후 1년 동안 추적 관찰된 432명의 출소자 정보가 들어 있어요. 이미 Weibull AFT 모델로 재체포까지의 시간(time-to-arrest)을 모델링하고, 재체포 위험을 높이거나 낮추는 요인을 살펴봤어요.

lifelines의 CoxPHFitter 클래스는 생존 회귀를 위한 Cox 비례 위험(Cox Proportional Hazards) 모델을 구현하며, 기준 위험 함수와 위험 비(hazard ratio)를 통해 위험의 비율을 모델링해요. 이번에는 CoxPHFitter를 사용해 어떤 요인들이 영향을 미치는지 탐색해 봅시다!

pandas와 numpy 라이브러리는 각각 pd, np로 임포트되어 있어요. 필요하면 콘솔에서 DataFrame과 열 이름을 살펴보세요.