Analyse de survie avec Python

L'analyse de survie est utilisée pour étudier le temps des événements et est généralement mise en œuvre dans Python par des lignes de sauvetage et la scikit-survie. 1. Installez la bibliothèque Lifelines et préparez les données contenant le temps et l'état de l'événement; 2. Utilisez l'estimateur de Kaplan-Meier pour dessiner une courbe de survie pour visualiser la probabilité que l'événement ne se produise pas; 3. Analyser l'impact des variables sur le temps de l'événement via le modèle de risques proportionnels Cox et vérifier les hypothèses du modèle; 4. Faites attention au traitement des données censurées pour vous assurer que la colonne d'événement marque correctement censuré et les événements.

L'analyse de survie semble un peu mystérieuse, mais elle est en fait utilisée pour étudier "quand quelque chose se produit". Par exemple, quand le client sera-t-il perdu, quand l'équipement échouera-t-il, combien de temps le patient se reproduira-t-il après le traitement ... Ces problèmes peuvent tous être modélisés en utilisant l'analyse de survie. En tant que principal outil de la science des données, Python a un ensemble de bibliothèques et de méthodes matures pour les implémenter.

Ensuite, je vais commencer d'un point de vue pratique et parler de certains des points que vous devez connaître le plus lors du début de l'analyse de survie Python.

Installation et préparation: installer et emballer d'abord

Les bibliothèques les plus couramment utilisées pour l'analyse de survie à Python sont les lignes de sauvetage et le scikit-survie . Si vous ne faites que commencer, il est recommandé d'utiliser d'abord les lignes de vie , car son API est concise et conviviale, et convient à un accès rapide.

Commande d'installation:

 pip install vielines

Après avoir chargé les données, la clé est de s'assurer que vos données sont formatées correctement. Habituellement, vous avez besoin de deux champs:

• duration : la durée d'observation (comme le nombre de jours où l'utilisateur s'inscrit à baratter)
• event : si l'événement cible s'est produit (1 signifie qu'il s'est produit, 0 signifie qu'il n'a pas eu lieu ou a été censuré)

Comment dessiner une courbe de survie?

La courbe de survie est le moyen le plus intuitif de le montrer, il peut vous dire à quel point l'événement ne s'est pas produit après un certain moment.

Lifelines fournit des méthodes prêtes à l'emploi, telles que l'utilisation de l'estimateur de Kaplan-Meier :

 à partir de vies d'importation kaplanmeierfiter

kmf = kaplanmeierfitter ()
kmf.fit (durations = df ['durée'], event_observed = df ['event'])
kmf.plot_survival_function ()

Ce code fait trois choses:

• Créé une instance de modèle KM
• Utilisez vos données pour s'adapter au modèle
• Visualisez les résultats

Si vous souhaitez comparer deux groupes de personnes (comme les hommes vs mâles), vous pouvez installer et faire des comparaisons séparément. Pour le moment, vous pouvez voir les différences de survie entre différents groupes.

Comment faire l'analyse de régression? Découvrez le modèle Cox

En plus des courbes de dessin, vous pouvez également voir quelles variables affectent le moment où l'événement se produit. À l'heure actuelle, le modèle de risque proportionnel Cox (COX PH) doit être utilisé.

CoxPHFitter des lignes de vie est très pratique:

 à partir de vielines import coxphfiter

cph = coxphFitter ()
cph.fit (df, durée_col = 'durée', event_col = 'event')
cph.print_summary ()

Les résultats de ce modèle vous diront le coefficient (COEF), la valeur p (que ce soit significatif) et le rapport de risque (rapport de risque) de chaque variable. Par exemple, un coefficient positif indique que cette variable augmente le risque, tandis qu'un coefficient négatif signifie réduire le risque.

Notes:

• Pour vérifier si l'hypothèse de risque proportionnelle est vraie (vous pouvez utiliser check_assumptions() )
• S'il existe des variables catégorielles, n'oubliez pas de faire un codage
• S'il y a une colinéarité entre les variables, cela affectera la stabilité du modèle.

Conseils avancés: n'ignorez pas le traitement des données manquantes

La censure est l'un des concepts de base de l'analyse de survie. Autrement dit, les données manquantes signifient que nous savons seulement que "l'événement ne s'est pas encore produit", mais nous ne savons pas si cela se produira.

Par exemple, si un utilisateur utilise toujours un produit, son temps de perte sera supprimé. Dans ce cas, vous ne pouvez pas le jeter directement ou remplir la valeur avec désinvolture. Il doit être clairement marqué comme supprimé.

Lifelines a automatiquement géré le problème de censure lorsqu'il est en forme, mais vous devez vous assurer que 0 dans votre colonne event signifie la censure et 1 signifie que l'événement se produit.

Parfois, vous constaterez que le modèle n'est pas efficace, et ce n'est peut-être pas un problème avec le modèle, mais plutôt que vous ignorez la distribution censurée. Par exemple, les échantillons supprimés sont-ils concentrés dans certaines périodes ou certaines combinaisons de caractéristiques? Cela peut conduire à un biais.

Fondamentalement, c'est tout. L'analyse de survie elle-même n'est pas compliquée, mais pour être vraiment bien utilisé, vous devez prêter attention aux détails, tels que le traitement de la censure, la vérification de l'hypothèse du modèle, la sélection des variables, etc. Python fournit une chaîne d'outils très amicale, et tant que vous comprenez la logique, il n'est pas difficile à utiliser.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!