Pythonによる生存分析

生存分析は、イベントの時間を研究するために使用され、ライフラインとScikit-SurvivalによってPythonで一般的に実装されています。 1.ライフラインライブラリをインストールし、時間とイベントのステータスを含むデータを準備します。 2。カプラン・マイヤー推定器を使用して生存曲線を描き、イベントが発生しない確率を視覚化します。 3.コックス比例ハザードモデルを介したイベント時間に対する変数の影響を分析し、モデルの仮定を確認します。 4.検閲されたデータの処理に注意して、イベント列が検閲とイベントの発生を正しくマークすることを確認してください。

サバイバル分析は少し神秘的に聞こえますが、実際には「何かが起こったとき」を勉強するために使用されます。たとえば、顧客がいつ失われるか、機器がいつ失敗するか、治療後に患者がどれくらいの期間再発するのか...これらの問題はすべて、生存分析を使用してすべてモデル化できます。データサイエンスの主なツールとして、Pythonには成熟したライブラリとそれを実装する方法があります。

次に、実用的な観点から始めて、Pythonサバイバル分析を開始する際に最も知る必要があるポイントのいくつかについて話します。

インストールと準備：最初にインストールとパッケージ

Pythonで生存分析に最も一般的に使用されるライブラリは、ライフラインとSCIKITスーバルです。始めたばかりの場合は、APIが簡潔でドキュメントに優しいもので、迅速なアクセスに適しているため、最初にライフラインを使用することをお勧めします。

インストールコマンド：

 PIPインストールLivesLines

データをロードした後、キーはデータが正しくフォーマットされていることを確認することです。通常、2つのフィールドが必要です。

• duration ：観察する時間の長さ（ユーザーがチャーンに登録する日数など）
• event ：ターゲットイベントが発生したかどうか（1つは発生したことを意味し、0は発生していないか、検閲されたことを意味します）

サバイバルカーブを描く方法は？

生存曲線は、それを示す最も直感的な方法です。特定の時点でイベントが発生しなかった可能性がどれほど可能かを知ることができます。

Lifelinesは、Kaplan-Meier推定器を使用するなど、既製の方法を提供します。

 LifelinesからKaplanmeierfitterをインポートします

kmf = kaplanmeierfitter（）
kmf.fit（durations = df ['duration']、event_obsived = df ['event']）
kmf.plot_survival_function（）

このコードは3つのことを行います。

• KMモデルインスタンスを作成しました
• データを使用してモデルに適合します
• 結果を視覚化します

2つのグループの人々（男性対女性など）を比較したい場合は、比較を個別にフィットして描画できます。現時点では、異なるグループ間の生存の違いを見ることができます。

回帰分析を行う方法は？ Coxモデルについて学びます

曲線を描画することに加えて、イベントが発生したときにどの変数に影響するかを確認することもできます。この時点で、 Cox比例ハザードモデル（COX PH）を使用する必要があります。

ライフラインのCoxPHFitterクラスは非常に便利です。

 LifelinesからImport coxphfitterから

cph = coxphfitter（）
cph.fit（df、duration_col = 'duration'、event_col = 'event'）
cph.print_summary（）

このモデルからの結果出力は、各変数の係数（COEF）、p値（有意であるかどうか）、およびハザード比（ハザード比）を示します。たとえば、正の係数は、この変数がリスクを増加させることを示し、負の係数はリスクを減らすことを意味します。

注：

• 比例リスクの仮定が真であるかどうかを確認するには（ check_assumptions()メソッドを使用できます）
• カテゴリ変数がある場合は、1ホットのエンコードを行うことを忘れないでください
• 変数間に共線性がある場合、モデルの安定性に影響します。

高度なヒント：欠落データの処理を無視しないでください

検閲は、サバイバル分析の中心的な概念の1つです。簡単に言えば、欠落データは、「イベントはまだ起こっていない」ことしか知らないことを意味しますが、それが起こるかどうかはわかりません。

たとえば、ユーザーがまだ製品を使用している場合、損失時間は削除されます。この場合、直接捨てたり、値を何気なく記入することはできません。削除されたものとして明確にマークする必要があります。

ライフラインは、適切なときに検閲の問題を自動的に処理しましたが、 event列の0が検閲を意味し、1つの平均イベントが発生することを確認する必要があります。

モデルが効果的ではなく、モデルの問題ではなく、検閲された分布を無視することがあることがわかります。たとえば、削除されたサンプルは特定の期間または特定の特徴の組み合わせに濃縮されていますか？これはバイアスにつながる可能性があります。

基本的にそれだけです。サバイバル分析自体は複雑ではありませんが、本当によく使用されるには、検閲処理、モデルの仮定の検証、可変選択などの詳細に注意を払う必要があります。Pythonは非常にフレンドリーなツールチェーンを提供します。

以上がPythonによる生存分析の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。