ПочатиПочніть безкоштовно

Користувацька модель Cox PH

У попередній вправі ви виокремили три чинники, статистично значущі на рівні 0,05: fin, age та prio.

  • fin: якщо засуджений отримував фінансову допомогу, ризики зменшуються на 31%;
  • age: за кожен рік віку понад середній ризики зменшуються на 5%;
  • prio: за кожен попередній арешт понад середнє ризики зростають на 9%.

Побудуймо користувацьку модель Cox PH з використанням цих коваріат.

Клас CoxPHFitter уже імпортовано, а бібліотеки pandas і numpy імпортовані як pd та np відповідно. За потреби скористайтеся консоллю, щоб дослідити датафрейм prison та назви його стовпців.

Ця вправа є частиною курсу

Аналіз виживаності в Python

Переглянути курс

Інструкції до вправи

  • Створіть екземпляр класу CoxPHFitter з ім'ям custom_cph.
  • Навчіть custom_cph з користувацькою регресійною моделлю fin + age + prio, використовуючи параметр formula.
  • Отримайте зведення моделі cph і виведіть його.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Instantiate CoxPHFitter class
custom_cph = ____

# Fit custom model
____

# Print model summary
print(____)
Редагувати та запускати код