Visualisation et prédiction avec le modèle de Weibull

Analyse de survie en Python

Shae Wang

Senior Data Scientist

.plot()

Affiche un graphique des coefficients et de leurs étendues selon les intervalles de confiance à 95 %.

aft.plot()
plt.show()

Exemple de graphique :

graphique d'exemples de covariables

Affiche un graphique comparant la courbe de survie de base et les courbes lorsque les covariables varient.

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

graphique des effets partiels – exemple

.plot_partial_effects_on_outcome()

covariates (chaîne ou liste) : covariable(s) du jeu de données d'origine à faire varier.
values (itérable 1D ou 2D) : valeurs à attribuer à la ou aux covariables.
Courbe de survie de base : courbe prédite aux valeurs moyennes du jeu de données d'origine.

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

graphique des effets partiels pour le modèle de Weibull

Valeurs codées en dur :

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

Utiliser une fonction d'intervalle :

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

Covariables multiples :

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

Formule personnalisée :
- Les transformations nécessaires (interactions, encodage indiciel, etc.) sont effectuées en interne automatiquement.

Exemple de DataFrame : mortgage_df

id	maison	capital	intérêt	taxe foncière	cote de crédit	durée	remboursé
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()

graphique des effets partiels pour mortgage_df

Prédire les fonctions de survie d'individus selon les covariables.

.predict_survival_function()

Arguments :

X (tableau np ou DataFrame) : covariables. Si DataFrame, l'ordre des colonnes n'a pas d'importance.

Prédire les durées médianes de survie selon les covariables.

.predict_median()

Arguments :

df (tableau np ou DataFrame) : covariables. Si DataFrame, l'ordre des colonnes n'a pas d'importance.

Prédire la fonction de survie ou la durée médiane conditionnellement après la durée actuelle.

Exemple :

aft.predict_median(new_subject)

4.0

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

2.0

Analyse de survie en Python