Modele os dados de prisão com Cox PH

O DataFrame prison contém informações de 432 condenados que foram libertados e acompanhados por um ano após a libertação. Você modelou o tempo até a prisão e estudou quais fatores aumentam ou diminuem o risco de nova prisão usando o modelo Weibull AFT.

A classe CoxPHFitter do lifelines implementa um modelo de Riscos Proporcionais de Cox para regressão de sobrevivência, que modela a função de risco basal e as razões de risco que definem as proporções de risco. Vamos tentar usar CoxPHFitter para explorar esses fatores!

As bibliotecas pandas e numpy já estão importadas como pd e np, respectivamente. Use o console para explorar o DataFrame e os nomes das colunas, se precisar.