Инструменты анализа выживания в Python [закрыто]

Мне интересно, есть ли какие-нибудь пакеты для Python, которые способны выполнять анализ выживания. Я использовал пакет для выживания в R, но хотел бы перенести свою работу на python.

AFAIK, в python нет пакетов для анализа выживания. Как указано выше в комментариях mbq, единственным доступным маршрутом будет Rpy .

Даже если бы был доступен чистый пакет python, я бы очень осторожно использовал его, в частности, я бы посмотрел на:

• Как часто это обновляется.
• У него большая база пользователей?
• Есть ли передовые методы?

Одним из преимуществ R является то, что эти стандартные пакеты проходят огромное количество тестирований и отзывов пользователей. При работе с реальными данными могут появляться неожиданные крайние случаи.

Ознакомьтесь с проектом « Источники жизни » для простой и понятной реализации моделей выживания в Python, включая:

• Оценщики функций выживания
• Оценщики кривых совокупной опасности
• Модель пропорциональной регрессии Кокса
• Изменяющаяся во времени модель регрессии Кокса
• параметрические модели AFT
• Аддитивная модель регрессии Аалена
• Многовариантное тестирование

Выгоды:

• построен на вершине панд
• чистый Python и прост в установке
• встроенные функции построения графиков
• простой интерфейс

Документация доступна здесь: документация и примеры

Пример использования:

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()

Примеры графиков из встроенной библиотеки графиков:

1. Отказ от ответственности: я главный автор. Пинг мне (адрес электронной почты в профиле) для вопросов или отзывов о спасательных кругов .

python-asurv - это попытка портировать программное обеспечение asurv для методов выживания в астрономии. Возможно, стоит присмотреть, но cgillespie прав насчет вещей, на которые стоит обратить внимание: ему предстоит пройти долгий путь, и развитие не кажется активным. (AFAICT только один метод существует и даже завершен, пакет может отсутствовать, скажем, для биостатистов.)

Вы , вероятно , лучше использовать для выживания пакета в R от Python через что - то вроде RPY или Пайпер . У меня не было проблем с этим.

PyIMSL содержит несколько процедур для анализа выживания. Это бесплатно как в пиве для некоммерческого использования, полностью поддерживается в противном случае. Из документации в Руководстве пользователя по статистике ...

Вычисляет оценки вероятности выживания Каплана-Мейера: kaplanMeierEstimates ()

Анализирует данные о выживаемости и надежности с использованием модели пропорциональных рисков Кокса: propHazardsGenLin ()

Анализирует данные о выживаемости с использованием обобщенной линейной модели: SurvivialGlm ()

Оценки с использованием различных параметрических режимов: SurveEstimates ()

Оценивает функцию риска надежности, используя непараметрический подход: nonparamHazardRate ()

Создает таблицы жизни населения и когорты: lifeTables ()

Теперь вы можете использовать R изнутри IPython , поэтому вы можете захотеть изучить использование IPython с расширением R.

Я также хочу упомянуть о scikit-Survival , который предоставляет модели для анализа выживания, которые можно легко комбинировать с инструментами из scikit-learn (например, перекрестная проверка KFold).

На момент написания статьи, Scikit-Survival включает в себя реализации

• Оценка Нельсона-Аалена функции кумулятивного риска.
• Каплан-Мейер оценка функции выживания.
• Модель пропорциональной опасности Кокса с упругим штрафом и без него.
• Модель времени ускоренного отказа.
• Машина выживания для опорных векторов.
• Градиентная модель Кокса.
• индекс соответствия для оценки эффективности.

Помимо использования Rсквозного RPyили эквивалентного, в библиотеке python statsmodels (ранее sicpy.statsmodel) есть ряд процедур анализа выживания . Они находятся в пакете «песочница», а это означает, что они не должны быть готовы к производству прямо сейчас.

Например, у вас есть модель пропорционального риска Кокса здесь .