代码之家 › 专栏 › 技术社区 › sachinruk

预测当前时间的生存概率

lifelines survival-analysis python

sachinruk · 技术社区 · 5 年前

我用以下几句话训练我的生存模式:

wft = WeibullAFTFitter()
wft.fit(train, 'duration', event_col='y')

在这之后,我想看看目前的生存概率( duration 列)。

如果使用以下for循环,则当前执行此操作的方式:

p_surv = np.zeros(len(test))
for i in range(len(p_surv)):
    row = test.iloc[i:i+1].drop(dep_var, axis=1)
    t = test.iloc[i:i+1, col_num]
    p_surv[i] = wft.predict_survival_function(row, t).values[0][0]

然而,考虑到Im使用for循环(200k+行),这确实很慢。另一种选择 wft.predict_survival_function(test, test['duration']) 将创建一个200000x200000矩阵,因为它根据所有提供的时间检查每一行。

lifelines 是这样吗?

0 回复 | 直到 5 年前

sachinruk 5 年前

好问题。我认为现在,最好的方法是重现预测生存函数所做的事情。也就是说,做这样的事情:

def predict_cumulative_hazard_at_single_time(self, X, times, ancillary_X=None):
    lambda_, rho_ = self._prep_inputs_for_prediction_and_return_scores(X, ancillary_X)
    return (times / lambda_) ** rho_

def predict_survival_function_at_single_time(self, X, times, ancillary_X=None):
    return np.exp(-self.predict_cumulative_hazard_at_single_time(X, times=times, ancillary_X=ancillary_X))


wft.predict_survival_function_at_single_time = predict_survival_function_at_single_time.__get__(wft)
wft.predict_cumulative_hazard_at_single_time = predict_cumulative_hazard_at_single_time.__get__(wft)

p_surv2 = wft.predict_survival_function_at_single_time(test, test['duration'])