Weibullモデルでの可視化と予測

Pythonで学ぶSurvival Analysis

Shae Wang

Senior Data Scientist

.plot()

95%信頼区間の係数と範囲をプロットで返します。

aft.plot()
plt.show()

サンプルプロット:

sample_covariate_plot

ベースライン生存曲線と、共変量を変化させた場合の比較プロットを返します。

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

部分効果のサンプルプロット

.plot_partial_effects_on_outcome()

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

Weibullモデルの部分効果プロット

値を直書き:

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

range 関数を使用:

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

複数の共変量:

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

DataFrame 例: 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_df の部分効果プロット

共変量に基づき個々の生存関数を予測します。

.predict_survival_function()

引数:

共変量に基づき個々の生存期間の中央値を予測します。

.predict_median()

引数:

現在の期間以降に条件づけた生存関数または生存期間中央値を予測します。

例:

aft.predict_median(new_subject)

4.0

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

2.0

Pythonで学ぶSurvival Analysis