Modellera fängelsedata med Cox PH
DataFrame:en prison innehåller information om 432 dömda personer som frigavs och följdes upp under ett år efter frigivningen. Du har modellerat deras tid till återarrest och undersökt vilka faktorer som ökar eller minskar risken för ny arrest med hjälp av Weibull AFT-modellen.
CoxPHFitter-klassen i lifelines implementerar en Cox Proportional Hazards-modell för överlevnadsregression. Den modellerar baslinjehazardfunktionen och hazardkvoter som definierar hazardproportionerna. Låt oss använda CoxPHFitter för att utforska faktorerna!
Biblioteken pandas och numpy importeras som pd respektive np. Använd konsolen för att utforska DataFrame:en och dess kolumnnamn efter behov.
Den här övningen är en del av kursen
Överlevnadsanalys i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Import CoxPHFitter class
____
# Instantiate CoxPHFitter class cph
____