使用 Cox PH 建立監獄資料的模型

prison 這個 DataFrame 包含 432 名受刑人的資料。他們在出獄後被追蹤 1 年。你已經用 Weibull AFT 模型來建模他們被再逮捕的時間，並分析哪些因素會提高或降低再犯風險。

lifelines 的 CoxPHFitter 類別實作了 Cox Proportional Hazards（Cox 比例風險）生存迴歸模型，用來估計基準風險函式與決定風險比例的風險比。現在就用 CoxPHFitter 來探索影響因素吧！

pandas 與 numpy 已分別以 pd 與 np 匯入。需要時可在主控台探索 DataFrame 與欄位名稱。