Візуалізація та прогнозування з моделлю Вейбулла

Аналіз виживаності в Python

Shae Wang

Senior Data Scientist

.plot()

Повертає графік коефіцієнтів та їхніх діапазонів за 95% довірчими інтервалами.

aft.plot()
plt.show()

Зразок графіка:

sample_covariate_plot

Повертає графік, що порівнює базову криву виживання з результатом при зміні коваріат на різні значення.

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

sample_partial_effects_plot

.plot_partial_effects_on_outcome()

covariates (рядок або список): коваріата(и) з початкового набору даних, які слід варіювати.
values (1d або 2d ітерабельний об'єкт): значення, яких має набувати коваріата.
Базова крива виживання: прогнозована крива виживання за середніх значень у початковому наборі даних.

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

partial effects plot for weibull model

Задати значення вручну:

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

Використати функцію діапазону:

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

Кілька коваріат:

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

Користувацька формула:
- Потрібні перетворення (взаємодії, one-hot кодування тощо) виконуються внутрішньо й автоматично.

Приклад 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

Прогнозуйте функції виживання для індивідів за значеннями коваріат.

.predict_survival_function()

Аргументи:

X (масив np або DataFrame): коваріати. Якщо DataFrame, порядок стовпців довільний.

Прогнозуйте медіанні тривалості виживання для індивідів за значеннями коваріат.

.predict_median()

Аргументи:

df (масив np або DataFrame): коваріати. Якщо DataFrame, порядок стовпців довільний.

Прогноз функції виживання або медіанної тривалості умовно після поточної тривалості.

Приклад:

aft.predict_median(new_subject)

4.0

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

2.0

Аналіз виживаності в Python