웨이블 분포 모델로 시각화와 예측

Python에서의 Survival Analysis

Shae Wang

Senior Data Scientist

.plot()

계수와 해당 95% 신뢰구간 범위를 플롯으로 반환합니다.

aft.plot()
plt.show()

샘플 플롯:

sample_covariate_plot

기준 생존 곡선과 공변량 값을 바꿀 때의 곡선을 비교하는 플롯을 반환합니다.

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

sample_partial_effects_plot

.plot_partial_effects_on_outcome()

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

웨이블 모델의 부분 효과 플롯

값을 직접 지정:

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

범위 함수를 사용:

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

다중 공변량:

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

DataFrame 예시: 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()

mortgage_df의 부분 효과 플롯

공변량 값에 따라 개인의 생존 함수를 예측합니다.

.predict_survival_function()

인수:

공변량 값에 따라 개인의 중앙 생존 기간을 예측합니다.

.predict_median()

인수:

현재 기간 이후 조건부로 생존 함수 또는 중앙 생존 기간을 예측합니다.

예시:

aft.predict_median(new_subject)

4.0

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

2.0

Python에서의 Survival Analysis