Моделирование данных о заключённых с помощью Cox PH
DataFrame prison содержит информацию о 432 осуждённых, которые вышли на свободу и находились под наблюдением в течение одного года после освобождения. Вы уже моделировали время до повторного ареста и изучали, какие факторы увеличивают или снижают риск рецидива, используя модель Вейбулла AFT.
Класс CoxPHFitter из библиотеки lifelines реализует модель пропорциональных рисков Кокса для регрессии выживаемости: она моделирует базовую функцию риска и отношения рисков, определяющие их пропорции. Давайте воспользуемся CoxPHFitter, чтобы исследовать влияющие факторы!
Библиотеки pandas и numpy импортированы как pd и np соответственно. При необходимости используйте консоль для изучения DataFrame и его столбцов.
Это упражнение является частью курса
Анализ выживаемости в Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Import CoxPHFitter class
____
# Instantiate CoxPHFitter class cph
____