Cox PH ile hapishane verilerini modelle
prison DataFrame’i, tahliye edilen ve tahliyeden sonra bir yıl boyunca takip edilen 432 mahkuma ait bilgileri içeriyor. Zaman-aranjmanlarını (time-to-arrest) modelledin ve Weibull AFT modelini kullanarak yeniden tutuklanma riskini artıran ya da azaltan faktörleri inceledin.
lifelines paketindeki CoxPHFitter sınıfı, temel tehlike (baseline hazard) fonksiyonunu ve tehlike oranlarını (hazard ratios) modelleyen bir Cox Orantılı Tehlikeler (Cox Proportional Hazards) modelini uygular. Hadi, faktörleri keşfetmek için CoxPHFitter’ı kullanalım!
pandas ve numpy kütüphaneleri sırasıyla pd ve np olarak içe aktarıldı. Gerekirse konsolu kullanarak DataFrame’i ve sütun adlarını keşfet.
Bu egzersiz, kursun bir parçasıdır
Python ile Survival Analysis
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Import CoxPHFitter class
____
# Instantiate CoxPHFitter class cph
____