Orantılı tehlikeler varsayımı

Python ile Survival Analysis

Shae Wang

Senior Data Scientist

Kaplan–Meier eğrilerini kullanın

Eş değişkenin yalnızca birkaç değeri varsa, her grubun Kaplan–Meier eğrisini inceleyin.

Eğriler kesişiyorsa: orantılı tehlikeler varsayımı sağlanmaz.

kesişen eğriler nedeniyle başarısız PH varsayımı

Kaplan–Meier eğrilerini kullanın

Eş değişkenin yalnızca birkaç değeri varsa, her grubun Kaplan–Meier eğrisini inceleyin.

Eğrilerin şekilleri farklıysa: orantılı tehlikeler varsayımı sağlanmaz.

kesişen eğriler nedeniyle başarısız PH varsayımı

Kaplan–Meier eğrilerini kullanın

Eş değişkenin yalnızca birkaç değeri varsa, her grubun Kaplan–Meier eğrisini inceleyin.

Eğriler benzer şekilli ve paralelse: orantılı tehlikeler varsayımı sağlanır.

başarılı orantılı tehlike varsayımı km eğrisi

.check_assumptions()

Eş değişkenler sürekli ise .check_assumptions() yöntemini kullanın.

Parametreler
- training_df: modeli eğitirken kullanılan özgün DataFrame.
- p_value_threshold: ihlalleri bildirmek için eşik (varsayılan: 0.01, önerilen: 0.05).

.check_assumptions()

model.check_assumptions(training_df, p_value_threshold=0.05)

1. Değişken 'A' orantısızlık testinde başarısız: p-değeri 0.0007.
Öneri 1: ...
Öneri 2: ...
2. Değişken 'B' orantısızlık testinde başarısız: p-değeri 0.0063.
Öneri 1: ...
Öneri 2: ...

Orantılı tehlikeler varsayımı sağlanmadığında

Genellikle makuldür; ihlaller model performansını önemli ölçüde etkilemez.
Sağlanmazsa, Weibull AFT gibi diğer çerçeveleri deneyin ve AIC puanlarını karşılaştırın.

Ayo berlatih!

Python ile Survival Analysis