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.