Anpassad Cox PH-modell

Du har identifierat tre faktorer som är statistiskt signifikanta på 0,05-nivån i föregående övning: fin, age och prio.

fin: om den dömde fick ekonomiskt stöd minskar riskkvoten med 31 %;
age: för varje år äldre än genomsnittet minskar riskkvoten med 5 %;
prio: för varje tidigare gripande utöver genomsnittet ökar riskkvoten med 9 %.

Låt oss bygga en anpassad Cox PH-modell med dessa kovariat.

Klassen CoxPHFitter har importerats åt dig, och biblioteken pandas och numpy är importerade som pd respektive np. Använd konsolen för att utforska DataFramen prison och dess kolumnnamn vid behov.

Den här övningen är en del av kursen

Överlevnadsanalys i Python

Visa kurs

Övningsinstruktioner

Instansiera klassen CoxPHFitter och kalla den custom_cph.
Anpassa custom_cph med en anpassad regressionsmodell fin + age + prio via parametern formula.
Hämta modellsammanfattningen för cph och skriv ut den.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Instantiate CoxPHFitter class
custom_cph = ____

# Fit custom model
____

# Print model summary
print(____)

Redigera och kör kod