การแสดงผลและการพยากรณ์ด้วยโมเดล Weibull

Survival Analysis ด้วย Python

Shae Wang

Senior Data Scientist

.plot()

แสดงกราฟของค่าสัมประสิทธิ์และช่วงจาก confidence interval 95%

aft.plot()
plt.show()

ตัวอย่างกราฟ:

sample_covariate_plot

แสดงกราฟเปรียบเทียบ survival curve พื้นฐานกับผลลัพธ์เมื่อค่า covariate เปลี่ยนแปลง

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

sample_partial_effects_plot

.plot_partial_effects_on_outcome()

covariates (string หรือ list): covariate ในชุดข้อมูลต้นฉบับที่ต้องการให้เปลี่ยนแปลง
values (iterable 1 หรือ 2 มิติ): ค่าที่ต้องการให้ covariate รับ
Baseline survival curve: survival curve ที่พยากรณ์จากค่าเฉลี่ยทั้งหมดในชุดข้อมูลต้นฉบับ

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

partial effects plot for weibull model

กำหนดค่าตรงๆ:

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

ใช้ฟังก์ชัน range:

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

หลาย covariate:

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

สูตรกำหนดเอง:
- การแปลงที่จำเป็น (interaction, one-hot encoding ฯลฯ) จะดำเนินการภายในโดยอัตโนมัติ

ตัวอย่าง 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

พยากรณ์ survival function ของแต่ละบุคคลตามค่า covariate

.predict_survival_function()

อาร์กิวเมนต์:

X (array np หรือ DataFrame): covariate ถ้าเป็น DataFrame สามารถเรียงคอลัมน์ในลำดับใดก็ได้

พยากรณ์ระยะเวลาการอยู่รอดมัธยฐานของแต่ละบุคคลตามค่า covariate

.predict_median()

อาร์กิวเมนต์:

df (array np หรือ DataFrame): covariate ถ้าเป็น DataFrame สามารถเรียงคอลัมน์ในลำดับใดก็ได้

พยากรณ์ survival function หรือระยะเวลาการอยู่รอดมัธยฐานแบบมีเงื่อนไขหลังจากระยะเวลาปัจจุบัน

ตัวอย่าง:

aft.predict_median(new_subject)

4.0

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

2.0

Survival Analysis ด้วย Python