Küsimus:
Ellujäämise analüüsi tööriistad Pythonis
MarkSAlen
2010-08-16 17:10:30 UTC
view on stackexchange narkive permalink

Huvitav, kas Pythoni jaoks on pakette, mis suudaksid ellujäämisanalüüsi teha. Olen R-is kasutanud ellujäämispaketti, kuid tahaksin oma tööd Pythonisse teisaldada.

Kasutage Rpy-d, et Pytonist R-le helistada;
RPy (nüüd 2) on minu kogemuste põhjal väga valus installida.
On äärmiselt kaheldav, kas ellujäämisanalüüsi tegevad Pythoni arendajad on pingutanud kõikjal, mida Terry Therneau ja teised on viimase 30 aasta jooksul ellujäämispaketti pannud, sealhulgas ulatuslikud testimised.Ellujäämispakett läbib kõige rangemad testimisprotseduurid, mida olen statistikas näinud.
Nõus.R-i ellujäämispakett on suure kogukonna tähelepaneliku kontrolli all.
Seitse vastused:
#1
+71
Cam.Davidson.Pilon
2013-09-08 08:59:15 UTC
view on stackexchange narkive permalink

Vaadake projekti lifelines ¹ Pythonis ellujäämismudelite lihtsat ja puhast rakendamist, sealhulgas

  • ellujäämisfunktsioonide prognoosid
  • kumulatiivsete ohukõverate prognoosid
  • Coxi proportsionaalse ohu regressioonimudel
  • Coxi ajas muutuva regressioonimudel
  • parameetrilised AFT mudelid
  • Aaleni aditiivne regressioonimudel
  • mitmemõõtmeline testimine

Eelised:

  • ehitatud pandade peale
  • puhast Pythoni &i on lihtne paigaldada
  • sisse ehitatud joonestamisfunktsioonidesse
  • lihtne liides

Dokumentatsioon on saadaval siin: dokumentatsioon ja näited

Kasutamise näide:

  eluliinidelt importige KaplanMeierFittersurvival_times = np.array ([0, 3, 4.5, 10., 1.]) sündmused = 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 ()  kood> 

Näidisjooned edasi-tagasi m sisseehitatud joonistusraamatukogu:

enter image description here

  1. lahtiütlus: mina olen peamine autor. Pinge mulle (meiliaadress profiilis) küsimuste või tagasiside saamiseks lifelines.
kohta
(+1) Päris tark nimi ellujäämispaketile.
#2
+22
csgillespie
2010-08-16 19:05:44 UTC
view on stackexchange narkive permalink

AFAIK, pythonis pole ühtegi ellujäämisanalüüsi paketti. Nagu ülaltoodud mbq kommenteerib, oleks ainus saadaolev marsruut Rpy.

Isegi kui puhas pythoni pakett oleks saadaval, oleksin selle kasutamisel väga ettevaatlik, eriti vaataksin:

  • kui tihti seda värskendatakse.
  • Kas sellel on suur kasutajaskond?
  • Kas sellel on arenenud tehnikad?

R-i üks eeliseid on see, et need standardid paketid saavad tohutul hulgal testimist ja kasutajate tagasisidet. Reaalsete andmetega tegelemisel võivad ootamatud servajuhtumid pugeda.

Viimase 5 aasta jooksul on Pythoni jaoks paljud asjad muutunud (paremaks).Vide [vastus: Cam.Davidson.Pilon] (http://stats.stackexchange.com/a/69484/6552) saidil [Lifelines] (http://lifelines.readthedocs.org/).
#3
+9
ars
2010-08-16 21:30:54 UTC
view on stackexchange narkive permalink

python-asurv on püüe asurv tarkvara astronoomias ellujäämismeetodite jaoks portida. Võib-olla tasub silma peal hoida, kuid cgillespie'l on õigus, mida valvata: tal on pikk tee minna ja areng ei tundu aktiivne. (AFAICTis on olemas ja isegi valmis üks meetod, paketist võib puududa näiteks biostatistikud.)

Tõenäoliselt on parem, kui kasutate R-is ellujäämise paketti Pythonist kuni midagi sellist nagu RPy või PypeR. Mul pole selle ise tegemisega probleeme olnud.

#4
+8
Josh Hemann
2010-09-16 21:53:29 UTC
view on stackexchange narkive permalink

PyIMSL sisaldab käputäis ellujäämisanalüüse. Mittekaubanduslikuks kasutamiseks on see tasuta nagu õlle puhul, muidu täielikult toetatud. Statistika kasutusjuhendis sisalduvast dokumendist ... ()

anonparameetriline lähenemine: nonparamHazardRate ()

Koostab populatsiooni ja kohordi elutabelid: lifeTables ()

#5
+5
Carl Smith
2012-07-24 06:13:39 UTC
view on stackexchange narkive permalink

Nüüd saate R-i kasutada IPythonis, seega võiksite uurida IPythoni kasutamist laiendiga R.

Kas saaksite selle kohta näite tuua? Mul on uudishimu seda proovida!
Usun, et viidate [R magic] (http://ipython.org/ipython-doc/dev/config/extensions/rmagic.html) liidesele (mis kasutab `rpy2`). Ka mulle meeldiks näha kiiret näidet. (Olen aru saanud, et ellujäämismudelid ei ole [statsmodels] -is veel täielikult saadaval (http://statsmodels.sourceforge.net/devel/).)
Ma pole statistikamudelites liiga kindel, kuid githubist saate märkmikke C, Octave ja [R] näidetega (https://github.com/ipython/ipython/blob/master/docs/examples/notebooks/ rmagic_extension.ipynb) laiendused. Nende ilmselgeks kasutamiseks peate käivitama sülearvuti, kuid olen kindel, et saate sama koodi kasutada mis tahes liideses.
@user603 Siin on lihtne demo: http://nbviewer.ipython.org/4383682/; usun, et see tugineb üsna hiljutisele iPythonile.
#6
+3
sebp
2018-10-07 22:39:53 UTC
view on stackexchange narkive permalink

Tahan mainida ka scikit-survival, mis pakub ellujäämisanalüüsi mudeleid, mida saab hõlpsasti kombineerida scikit-learn'i tööriistadega (nt KFoldi ristkinnitamine).

Sellest kirjutamisest alates hõlmab scikit-survival rakendusi

  • Nelson-Aaleni kumulatiivse ohufunktsiooni hindaja.
  • Kaplan-Meieri ellujäämisfunktsiooni hindaja.
  • Coxi proportsionaalse ohu mudel koos elastse netotrahviga ja ilma.
  • Kiirendatud rikkeaja mudel.
  • Ellujäämist toetav vektormasin.
  • Gradient suurendas Coxi mudelit.
  • tulemuslikkuse hindamise vastavuse indeks.
skikit-ellujäämine sobib suurepäraselt aja ennustamiseks seotud ülesannete täitmiseks!
#7
+1
oDDsKooL
2013-06-25 20:59:05 UTC
view on stackexchange narkive permalink

Lisaks R kasutamisele RPy või samaväärse kaudu, on statsmodellides (varem sicpy. statsmodel ) pythoni teek. Need on küll "liivakasti" paketis, mis tähendab, et nad ei peaks praegu tootmiseks valmis olema.

Nt teil on siin kodeeritud proportsionaalse ohu Coxi mudel.



See küsimus ja vastus tõlgiti automaatselt inglise keelest.Algne sisu on saadaval stackexchange-is, mida täname cc by-sa 2.0-litsentsi eest, mille all seda levitatakse.
Loading...