Question

我用以下几行训练我的生存模型：

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

此后，我希望查看当前时间（duration列）的生存概率。

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]

但是，考虑到Im使用for循环（200k +行），这真的很慢。 wft.predict_survival_function(test, test['duration'])的另一种选择是创建200000x200000矩阵，因为它会对照所有提供的时间检查每一行。

我只想对照生存时间来检查生存率。 lifelines中是否有执行此操作的功能？

Answer 1

好问题。我认为目前最好的方法是重现预测生存功能的功能。也就是说，执行以下操作：

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'])

我认为类似的方法会起作用。这可能是我将来添加到API中的内容。

预测当前时间的生存概率

1 个答案: