1. Nauka
    2. /
  2. Kursy
    3. /
  3. Analiza przeżycia w Pythonie
Connected

ćwiczenie

Modelowanie danych więziennych za pomocą Cox PH

DataFrame prison zawiera informacje o 432 skazanych, którzy zostali zwolnieni i obserwowani przez rok po wyjściu na wolność. Zamodelowano czas do ponownego aresztowania i zbadano, jakie czynniki zwiększają lub zmniejszają ryzyko powrotu za kratki – przy użyciu modelu Weibull AFT.

Klasa CoxPHFitter z biblioteki lifelines implementuje model proporcjonalnych hazardów Coxa dla regresji przeżycia. Modeluje ona bazową funkcję hazardu oraz współczynniki hazardu określające proporcje ryzyka. Sprawdź, co CoxPHFitter może powiedzieć o tych czynnikach!

Biblioteki pandas i numpy są zaimportowane odpowiednio jako pd i np. Skorzystaj z konsoli, aby w razie potrzeby przejrzeć DataFrame i nazwy jego kolumn.

Instrukcje 1/4

undefined XP
    1
    2
    3
    4
  • Zaimportuj klasę CoxPHFitter z biblioteki lifelines.
  • Utwórz instancję klasy CoxPHFitter o nazwie cph.