Hayatta kalma analizi yapabilen python için herhangi bir paket olup olmadığını merak ediyorum. Hayatta kalma paketini R'de kullanıyorum ancak çalışmamı pitona taşımak istiyorum.
survival
paketi büyük bir topluluk tarafından yakından inceleniyor.
Hayatta kalma analizi yapabilen python için herhangi bir paket olup olmadığını merak ediyorum. Hayatta kalma paketini R'de kullanıyorum ancak çalışmamı pitona taşımak istiyorum.
survival
paketi büyük bir topluluk tarafından yakından inceleniyor.
Yanıtlar:
AFAIK, python içinde herhangi bir hayatta kalma analiz paketi yoktur. Yukarıdaki mbq yorumlarında, mevcut olan tek yol Rpy .
Saf bir python paketi mevcut olsa bile, onu kullanırken çok dikkatli olurdum, özellikle şöyle bakardım:
R'nin avantajlarından biri, bu standart paketlerin büyük miktarda test ve kullanıcı geri bildirimi almasıdır. Gerçek verilerle ilgilenirken, beklenmeyen kenar durumları içeri girebilir.
Aşağıdakiler dahil Python'da hayatta kalma modellerinin basit ve temiz bir uygulaması için yaşam çizgileri projesine göz atın
Yararları:
Belgeler burada mevcuttur: belgeler ve örnekler
Örnek kullanım:
from lifelines import KaplanMeierFitter
survival_times = np.array([0., 3., 4.5, 10., 1.])
events = np.array([False, True, True, False, True])
kmf = KaplanMeierFitter()
kmf.fit(survival_times, event_observed=events)
print(kmf.survival_function_)
print(kmf.median_)
kmf.plot()
Yerleşik çizim kütüphanesinden örnek grafikler:
python-asurv , astronomide hayatta kalma yöntemleri için asurv yazılımını taşıma çabasıdır . Dikkat etmene değer olabilir, ama cgillespie dikkat edilmesi gerekenler konusunda haklı: gitmek için uzun bir yol var ve gelişme aktif görünmüyor. (AFAICT sadece bir yöntem var ve hatta tamamlanmış olsa bile, paket biyostatisiyeciler için eksik olabilir.)
Python'dan R'ta hayatta kalma paketini RPy veya PypeR gibi bir şey kullanarak kullanmaktan muhtemelen daha iyi . Bunu kendim yaparken hiç problem yaşamadım.
PyIMSL , hayatta kalma analizleri için bir avuç rutini içerir. Ticari olmayan kullanım için Birada olduğu gibi ücretsizdir, aksi takdirde tamamen desteklenir. İstatistik Kullanıcı Kılavuzundaki belgelerden ...
Kaplan-Meier sağkalım olasılık tahminlerini hesaplar: kaplanMeierEstimates ()
Cox'un orantılı tehlike modelini kullanarak hayatta kalma ve güvenilirlik verilerini analiz eder: propHazardsGenLin ()
Genelleştirilmiş doğrusal model kullanarak sağkalım verilerini analiz eder: survivalGlm ()
Çeşitli parametrik modları kullanarak tahminler: survivalEstimates ()
Parametrik olmayan bir yaklaşım kullanarak güvenilirlik tehlikesi işlevini tahmin eder: nonparamHazardRate ()
Popülasyon ve kohort yaşam tabloları üretir: lifeTables ()
Artık R'yi IPython içinden kullanabilirsiniz , böylece IPython'u R uzantısı ile kullanmak isteyebilirsiniz.
rpy2
. Ben de hızlı bir örnek görmeyi çok isterim. (Hayatta kalma modellerinin henüz istatistik modellerinde henüz tam olarak erişilebilir olmadığını anladım .)
Ayrıca , hayatta kalma analizi için scikit-learn araçlarıyla kolayca birleştirilebilecek modeller sunan scikit-survival'den bahsetmek istiyorum (örn. KFold çapraz doğrulama).
Bu yazı itibariyle, scikit-survival uygulamalarını içerir.
Dışında kullanmasını R
yoluyla RPy
veya eşdeğeri içinde sağkalım analizi rutin bir dizi vardır statsmodels (eski sicpy.statsmodel
) piton kütüphanesi. Yine de "sandbox" paketindeler, yani şu anda üretime hazır olmaları gerekmiyor.
Örneğin, burada kodlanan orantılı tehlike için Cox modeline sahipsiniz .