自定义 Cox PH 模型
在上一个练习中，您找出了在 0.05 显著性水平下统计上显著的 3 个因素：fin、age 和 prio。
fin：若罪犯获得经济援助，风险率降低 31%；age：年龄每比平均值大 1 岁，风险率降低 5%；prio：既往逮捕次数每比平均值多 1 次，风险率增加 9%。
现在用这些协变量构建一个自定义的 Cox PH 模型。
CoxPHFitter 类已为您导入，pandas 和 numpy 库分别以 pd 和 np 导入。需要时请在控制台中查看 DataFrame prison 及其列名。
本练习是课程的一部分
Python 中的生存分析
练习说明
- 实例化一个名为
custom_cph的CoxPHFitter类。 - 使用
formula参数，以自定义回归模型fin + age + prio拟合custom_cph。 - 获取模型
cph的摘要并打印。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Instantiate CoxPHFitter class
custom_cph = ____
# Fit custom model
____
# Print model summary
print(____)