Visualização e previsão com modelo de Weibull

Análise de Sobrevivência em Python

Shae Wang

Senior Data Scientist

.plot()

Retorna um gráfico dos coeficientes e seus intervalos de confiança de 95%.

aft.plot()
plt.show()

Gráfico de exemplo:

gráfico de covariáveis de exemplo

Retorna um gráfico comparando a curva de sobrevivência de base com o que acontece ao variar covariáveis.

aft.plot_partial_effects_on_outcome(covariates, values)
plt.show()

gráfico de efeitos parciais de exemplo

.plot_partial_effects_on_outcome()

covariates (string ou lista): covariável(is) no conjunto de dados original que queremos variar.
values (iterável 1d ou 2d): valores que queremos que a covariável assuma.
Curva de sobrevivência de base: curva prevista com todos os valores médios no conjunto de dados original.

aft.plot_partial_effects_on_outcome(
  covariates='var', 
  values=[0, 3, 6, 9, 12, 15]
)
plt.show()

gráfico de efeitos parciais para modelo de Weibull

Definir valores manualmente:

aft.plot_partial_effects_on_outcome(
  covariates='a', 
  values=[0, 3, 6]
)

Usar uma função de intervalo:

aft.plot_partial_effects_on_outcome(
  covariates='a', 
  values=np.arange(10)
)

Múltiplas covariáveis:

aft.plot_partial_effects_on_outcome(
  covariates=['a','b'], 
  values=[[1,2],[1,3],[2,3]]
)

Fórmula personalizada:
- Transformações necessárias (interações, one-hot encoding etc.) serão feitas interna e automaticamente.

Exemplo de DataFrame: mortgage_df

id	house	principal	interest	property_tax	credit score	duration	paid_off
1	1	1275	0.035	0.019	780	25	0
2	0	756	0.028	0.020	695	17	1
3	0	968	0.029	0.017	810	5	0
...	...	...	...	...	...	...	...
1000	1	1505	0.041	0.023	750	30	1

aft.plot_partial_effects_on_outcome(
    covariates='credit score',
    values=np.arange(700, 860, 30)
)
plt.show()

gráfico de efeitos parciais para mortgage_df

Preveja funções de sobrevivência de indivíduos com base nas covariáveis.

.predict_survival_function()

Argumentos:

X (array np ou DataFrame): covariáveis. Se for DataFrame, as colunas podem estar em qualquer ordem.

Preveja durações medianas de sobrevivência de indivíduos com base nas covariáveis.

.predict_median()

Argumentos:

df (array np ou DataFrame): covariáveis. Se for DataFrame, as colunas podem estar em qualquer ordem.

Preveja a função de sobrevivência ou a duração mediana condicional após a duração atual.

Exemplo:

aft.predict_median(new_subject)

4.0

aft.predict_median(new_subject, conditional_after=[2])

2.0

Análise de Sobrevivência em Python