Визуализация и прогнозирование с помощью модели Вейбулла

Анализ выживаемости в Python

Shae Wang

Senior Data Scientist

.plot()

Возвращает график коэффициентов и их диапазонов из 95% доверительных интервалов.

aft.plot()
plt.show()

Пример графика:

sample_covariate_plot

Возвращает график, сравнивающий базовую кривую выживаемости с результатами при варьировании ковариат.

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

sample_partial_effects_plot

.plot_partial_effects_on_outcome()

covariates (строка или список): ковариата(ы) из исходного набора данных, значения которых нужно варьировать.
values (одномерный или двумерный итерируемый объект): значения, которые принимает ковариата.
Базовая кривая выживаемости: прогнозируемая кривая выживаемости при средних значениях всех переменных в исходном наборе данных.

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

partial effects plot for weibull model

Фиксированные значения:

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

Использование функции диапазона:

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

Несколько ковариат:

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

Пользовательская формула:
- Необходимые преобразования (взаимодействия, унитарное кодирование и др.) выполняются внутренне и автоматически.

Пример 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()

partial effects plot for mortgage_df

Прогнозирует функции выживаемости для отдельных субъектов на основе значений ковариат.

.predict_survival_function()

Аргументы:

X (массив np или DataFrame): ковариаты. Если DataFrame, порядок столбцов произвольный.

Прогнозирует медианную продолжительность выживания для отдельных субъектов на основе значений ковариат.

.predict_median()

Аргументы:

df (массив np или DataFrame): ковариаты. Если DataFrame, порядок столбцов произвольный.

Прогнозирует функцию выживаемости или медианную продолжительность выживания с учётом текущей продолжительности.

Пример:

aft.predict_median(new_subject)

4.0

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

2.0

Анализ выживаемости в Python