Py之scikiti -survival：scikiti -survival庫(kù)的簡(jiǎn)介、安裝、使用方法之詳細(xì)攻略

?

?

?

目錄

scikiti -survival庫(kù)的簡(jiǎn)介

Requirements

scikiti -survival庫(kù)的安裝

scikiti -survival庫(kù)的使用方法

1、退伍軍人管理局肺癌試驗(yàn)

---

?

?

scikiti -survival庫(kù)的簡(jiǎn)介

? ? ? ? ?scikiti -survival是一個(gè)建立在scikiti -learn之上的用于生存分析的Python模塊。它可以利用scikit-learn的力量進(jìn)行生存分析，例如進(jìn)行預(yù)處理或交叉驗(yàn)證。
? ? ? ? ?scikiti -survival(也稱為事件發(fā)生時(shí)間或可靠性分析)的目的是建立協(xié)變量和事件發(fā)生時(shí)間之間的聯(lián)系。生存分析與傳統(tǒng)機(jī)器學(xué)習(xí)的不同之處在于，部分訓(xùn)練數(shù)據(jù)只能被部分觀察到——它們被審查了。例如，在臨床研究中，患者通常在一個(gè)特定的時(shí)間段內(nèi)被監(jiān)測(cè)，并記錄在這個(gè)時(shí)間段內(nèi)發(fā)生的事件。如果一個(gè)病人經(jīng)歷了一個(gè)事件，事件的確切時(shí)間可以被記錄-病人的記錄是不被審查的。與此相反，正確刪除的記錄指的是在研究期間沒(méi)有發(fā)生事件的患者，并且不知道在研究結(jié)束后是否發(fā)生了事件。因此，生存分析要求模型考慮到這種數(shù)據(jù)集的獨(dú)特特征。
?

Requirements

• Python 3.5 or later
• cvxpy
• cvxopt
• joblib
• numexpr
• numpy 1.12 or later
• osqp
• pandas 0.21 or later
• scikit-learn 0.22 or 0.23
• scipy 1.0 or later
• C/C++ compiler

?

?

scikiti -survival庫(kù)的安裝

pip install scikit-survival
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple scikit-survival
conda install -c sebp scikit-survival

?

?

?

?

?

scikiti -survival庫(kù)的使用方法

1、退伍軍人管理局肺癌試驗(yàn)

from sksurv.datasets import load_veterans_lung_cancerdata_x, data_y = load_veterans_lung_cancer() data_yimport pandas as pd pd.DataFrame.from_records(data_y[[11, 5, 32, 13, 23]], index=range(1, 6))import matplotlib.pyplot as plt from sksurv.nonparametric import kaplan_meier_estimatortime, survival_prob = kaplan_meier_estimator(data_y["Status"], data_y["Survival_in_days"]) plt.step(time, survival_prob, where="post") plt.ylabel("est. probability of survival $\hat{S}(t)$") plt.xlabel("time $t$")print(data_x["Treatment"].value_counts())for treatment_type in ("standard", "test"):mask_treat = data_x["Treatment"] == treatment_typetime_treatment, survival_prob_treatment = kaplan_meier_estimator(data_y["Status"][mask_treat],data_y["Survival_in_days"][mask_treat])plt.step(time_treatment, survival_prob_treatment, where="post",label="Treatment = %s" % treatment_type)plt.ylabel("est. probability of survival $\hat{S}(t)$") plt.xlabel("time $t$") plt.legend(loc="best")for value in data_x["Celltype"].unique():mask = data_x["Celltype"] == valuetime_cell, survival_prob_cell = kaplan_meier_estimator(data_y["Status"][mask],data_y["Survival_in_days"][mask])plt.step(time_cell, survival_prob_cell, where="post",label="%s (n = %d)" % (value, mask.sum()))plt.ylabel("est. probability of survival $\hat{S}(t)$") plt.xlabel("time $t$") plt.legend(loc="best")

?

?

?

?

?

?

?

?

?

總結(jié)

以上是生活随笔為你收集整理的Py之scikiti -survival：scikiti -survival库的简介、安装、使用方法之详细攻略的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。