Wykres wpływu kowariantów na przeżycie
Dwoje skazanych czeka na zwolnienie warunkowe. Chcesz przewidzieć ich funkcję przeżycia dla czasu do ponownego aresztowania, korzystając z dopasowanego modelu CoxPHFitter. Wartości kowariantów dla obu osób przedstawia poniższa tabela:
| Imię | fin | age | wexp | mar | paro | prio |
|---|---|---|---|---|---|---|
| Jack | 0 | 35 | 0 | 1 | 1 | 3 |
| Marie | 1 | 22 | 0 | 0 | 0 | 0 |
Narysuj krzywe przeżycia Jacka i Marie obok bazowej krzywej przeżycia, używając modelu cph. Dopasowany model cph jest już załadowany.
Klasa CoxPHFitter została zaimportowana, a moduł matplotlib.pyplot jest dostępny jako plt. Biblioteki pandas i numpy są zaimportowane odpowiednio jako pd i np.
To ćwiczenie jest częścią kursu
Analiza przeżycia w Pythonie
Instrukcje do ćwiczenia
- Użyj metody
.plot_partial_effects_on_outcome(), aby podać wartości kowariantów (wymienione powyżej) dla Jacka i Marie i narysować ich krzywe przeżycia. - Wyświetl wykres.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Plot partial effects
cph.____(covariates=____,
values=____)
# Show plot
plt.show()