Dự đoán với mô hình Cox PH

Phân tích sống sót bằng Python

Shae Wang

Senior Data Scientist

Dự đoán thời gian sống trung vị

Sau khi gọi .fit() để khớp mô hình với dữ liệu:

.predict_median(): dự đoán thời gian sống trung vị cho đối tượng
- Nếu đường cong sống sót không cắt 0.5, thời gian sống trung vị là $\inf$.
Tham số:
- X: DataFrame dùng để dự đoán.
- conditional_after: mảng/danh sách giá trị biểu thị thời gian đối tượng đã sống.

Dự đoán thời gian sống trung vị

model.predict_median(X, conditional_after)

0       inf
1      44.0
2      46.0
3       inf
4      48.0
       ... 
500     inf

Dự đoán hàm sống sót

.predict_survival_function(): dự đoán hàm sống sót theo các hiệp biến của đối tượng.
Tham số:
- X: DataFrame dùng để dự đoán.
- conditional_after: mảng/danh sách giá trị biểu thị thời gian đối tượng đã sống.

Dự đoán hàm sống sót

model.predict_survival_function(X, conditional_after)

              0           1           2           3           4         ...         500
1.0    0.997616    0.993695    0.994083    0.999045    0.997626         ...    0.998865    0.997827    0.995453    0.997462    ...    0.997826    0.996005    0.996031    0.997774    0.998892    0.999184    0.997033    0.998866    0.998170    0.998610
2.0    0.995230    0.987411    0.988183    0.998089    0.995250         ...    0.997728    0.995653    0.990914    0.994922    ...    0.995649    0.992014    0.992067    0.995547    0.997782    0.998366    0.994065    0.997730    0.996337    0.997217
3.0    0.992848    0.981162    0.982314    0.997133    0.992878         ...    0.996592    0.993482    0.986392    0.992388    ...    0.993476    0.988037    0.988115    0.993324    0.996673    0.997548    0.991105    0.996595    0.994507    0.995826
4.0    0.990468    0.974941    0.976468    0.996176    0.990507         ...    0.995455    0.991311    0.981882    0.989855    ...    0.991304    0.984067    0.984171    0.991100    0.995563    0.996729    0.988147    0.995458    0.992676    0.994433
5.0    0.988085    0.968739    0.970639    0.995216    0.986392         ...    0.993476

Tại sao dự đoán sống sót hữu ích?

Ngăn ngừa hỏng hóc chủ động, mô hình dự báo, v.v.

Các bước chính

Tiền xử lý dữ liệu và one-hot hóa biến phân loại.
Chia train/test (phổ biến: 80% train, 20% test).
- Tỷ lệ kiểm duyệt nên tương tự ở cả hai tập.
Khớp mô hình Cox PH trên tập train.

Ayo berlatih!

Phân tích sống sót bằng Python