พล็อตผลของตัวแปรร่วมต่อการรอดชีพ
นักโทษสองคนอยู่ในรายชื่อรอการปล่อยตัว คุณต้องการพยากรณ์ฟังก์ชันการรอดชีพของเวลาก่อนถูกจับกุมอีกครั้ง โดยใช้โมเดล CoxPHFitter ที่ฝึกไว้แล้ว ค่าตัวแปรร่วมของแต่ละบุคคลแสดงในตารางด้านล่าง:
| ชื่อ | fin | age | wexp | mar | paro | prio |
|---|---|---|---|---|---|---|
| Jack | 0 | 35 | 0 | 1 | 1 | 3 |
| Marie | 1 | 22 | 0 | 0 | 0 | 0 |
พล็อตเส้นโค้งการรอดชีพของ Jack และ Marie เทียบกับเส้นโค้ง baseline แบบเคียงข้างกัน โดยใช้ cph ซึ่งโมเดล cph ที่ฝึกแล้วได้ถูกโหลดให้พร้อมใช้งานแล้ว
คลาส CoxPHFitter ถูกนำเข้าแล้ว รวมถึงโมดูล matplotlib.pyplot ในชื่อ plt และไลบรารี pandas กับ numpy ในชื่อ pd และ np ตามลำดับ
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Survival Analysis ด้วย Python
คำแนะนำการฝึกหัด
- ใช้
.plot_partial_effects_on_outcome()เพื่อระบุค่าตัวแปรร่วม (ตามตารางด้านบน) ของ Jack และ Marie แล้วพล็อตเส้นโค้งการรอดชีพของทั้งคู่ - แสดงกราฟที่ได้
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Plot partial effects
cph.____(covariates=____,
values=____)
# Show plot
plt.show()