Моделювання тюремних даних за допомогою Cox PH

Датафрейм prison містить відомості про 432 засуджених, яких звільнили та спостерігали впродовж одного року після звільнення. Ви змоделювали їхній час до арешту та дослідили, які чинники підвищують або знижують ризик повторного арешту, використовуючи модель Weibull AFT.

Клас CoxPHFitter з бібліотеки lifelines реалізує модель пропорційних ризиків Кокса (Cox Proportional Hazards) для регресії виживання, яка моделює базову функцію ризику та відношення ризиків, що визначають пропорції ризиків. Спробуймо використати CoxPHFitter, щоб дослідити чинники!

Бібліотеки pandas та numpy вже імпортовано як pd та np відповідно. За потреби скористайтеся консоллю, щоб дослідити датафрейм і назви його стовпців.