Aangepast Cox PH-model

In de vorige oefening heb je drie factoren geïsoleerd die statistisch significant zijn op het 0,05-niveau: fin, age en prio.

fin: als de veroordeelde financiële ondersteuning kreeg, dalen de hazards met 31%;
age: voor elk jaar boven de gemiddelde leeftijd dalen de hazards met 5%;
prio: voor elke eerdere arrestatie boven het gemiddelde nemen de hazards met 9% toe.

Laten we een aangepast Cox PH-model bouwen met deze covariaten.

De CoxPHFitter-klasse is al voor je geïmporteerd, en de bibliotheken pandas en numpy zijn geïmporteerd als respectievelijk pd en np. Gebruik de console om de DataFrame prison en de kolomnamen te verkennen als dat nodig is.

Deze oefening maakt deel uit van de cursus

Survivalanalyse in Python

Cursus bekijken

Oefeninstructies

Initialiseer een CoxPHFitter-klasse met de naam custom_cph.
Fit custom_cph met een aangepast regressiemodel fin + age + prio via de parameter formula.
Haal de modelsamenvatting van cph op en print die.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Instantiate CoxPHFitter class
custom_cph = ____

# Fit custom model
____

# Print model summary
print(____)

Code bewerken en uitvoeren