Wybór modelu parametrycznego
Biblioteka lifelines oferuje wiele modeli parametrycznych – chcesz znaleźć ten najlepiej dopasowany do ramki danych heart_patients z danymi pacjentów kardiologicznych.
Użyj kryterium AIC, aby ocenić dopasowanie każdego z poniższych modeli:
- Model Weibulla:
WeibullFitter - Model wykładniczy:
ExponentialFitter - Model log-normalny:
LogNormalFitter
Wszystkie powyższe klasy z biblioteki lifelines zostały już zaimportowane. Biblioteki pandas i numpy są dostępne jako pd i np. W razie potrzeby skorzystaj z konsoli, aby przejrzeć ramkę danych i nazwy jej kolumn.
To ćwiczenie jest częścią kursu
Analiza przeżycia w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Instantiate each fitter
wb = ____
exp = ____
log = ____