สร้างโมเดลข้อมูลนักโทษด้วย Cox PH

DataFrame prison มีข้อมูลจากนักโทษที่ได้รับการปล่อยตัว 432 คน โดยมีการติดตามเป็นเวลาหนึ่งปีหลังพ้นโทษ คุณได้สร้างโมเดลระยะเวลาก่อนถูกจับกุมและศึกษาปัจจัยที่เพิ่มหรือลดความเสี่ยงต่อการถูกจับกุมซ้ำโดยใช้โมเดล Weibull AFT

คลาส CoxPHFitter ใน lifelines ใช้สำหรับสร้างโมเดล Cox Proportional Hazards สำหรับ survival regression ซึ่งจะสร้างแบบจำลอง baseline hazard function และ hazard ratios ที่กำหนดสัดส่วน hazard ลองใช้ CoxPHFitter เพื่อสำรวจปัจจัยเหล่านี้กัน

ไลบรารี pandas และ numpy ถูก import ไว้แล้วในชื่อ pd และ np ตามลำดับ สามารถใช้คอนโซลเพื่อสำรวจ DataFrame และชื่อคอลัมน์ได้ตามต้องการ