1. Learn
    2. /
  2. Courses
    3. /
  3. Phân tích sống sót bằng Python
Connected

Exercise

Mô hình hóa dữ liệu nhà tù với Cox PH

DataFrame prison chứa thông tin của 432 phạm nhân được thả và theo dõi trong một năm sau khi ra tù. Bạn đã mô hình hóa thời gian đến lần bị bắt tiếp theo (time-to-arrest) và tìm hiểu những yếu tố nào làm tăng hoặc giảm rủi ro bị bắt lại bằng mô hình Weibull AFT.

Lớp CoxPHFitter của lifelines triển khai mô hình Cox Proportional Hazards cho hồi quy sống sót, mô hình hóa hàm nguy cơ cơ sở (baseline hazard) và các tỷ lệ nguy cơ (hazard ratios) xác định tỷ lệ nguy cơ tương đối. Hãy thử dùng CoxPHFitter để khám phá các yếu tố!

Thư viện pandas và numpy đã được nhập lần lượt với tên pd và np. Hãy dùng console để khám phá DataFrame và tên các cột khi cần.

Instructions 1/4

undefined XP
    1
    2
    3
    4
  • Import lớp CoxPHFitter từ lifelines.
  • Tạo một thể hiện của CoxPHFitter đặt tên là cph.