पायथन में उत्तरजीविता विश्लेषण उपकरण [बंद]

46

मैं सोच रहा हूं कि क्या अजगर के लिए कोई पैकेज है जो अस्तित्व विश्लेषण करने में सक्षम है। मैं आर में उत्तरजीविता पैकेज का उपयोग कर रहा हूं, लेकिन अपने काम को अजगर तक पहुंचाना चाहता हूं।

survival python

— MarkSAlen
स्रोत

11

Python; R से कॉल करने के लिए Rpy का प्रयोग करें ;-)

2

यह काफी हद तक संदिग्ध है कि अस्तित्व विश्लेषण के लिए पायथन डेवलपर्स ने टेरी थर्नो और अन्य लोगों ने पिछले 30 वर्षों में आर उत्तरजीविता पैकेज में व्यापक परीक्षण सहित, कहीं भी प्रयास में डाल दिया है। उत्तरजीविता पैकेज मैंने आंकड़ों में देखी गई सबसे कठोर परीक्षण प्रक्रियाओं से गुजरता है।

— फ्रैंक हरेल

2

माना। आर का survivalपैकेज एक बड़े समुदाय द्वारा करीबी जांच के तहत है।

— मार्क क्लेसेन

मेरे अनुभव में स्थापित करने के लिए RPy (2 अब) बहुत दर्दनाक है।

— झूबर्ब

21

AFAIK, अजगर में कोई अस्तित्व विश्लेषण पैकेज नहीं हैं। जैसा कि mbq ऊपर टिप्पणी करता है, उपलब्ध एकमात्र मार्ग Rpy के लिए होगा ।

यहां तक कि अगर एक शुद्ध अजगर पैकेज उपलब्ध था, तो मैं इसका उपयोग करने में बहुत सावधान रहूंगा, विशेष रूप से मैं इसे देखूंगा:

यह कितनी बार अपडेट होता है।
क्या इसका एक बड़ा उपयोगकर्ता आधार है?
क्या इसके पास उन्नत तकनीकें हैं?

आर के लाभों में से एक यह है कि इन मानक पैकेजों को भारी मात्रा में परीक्षण और उपयोगकर्ता फ़ीड वापस मिलता है। जब वास्तविक डेटा के साथ काम करते हैं, तो अप्रत्याशित किनारे के मामले में रेंग सकते हैं।

— csgillespie
स्रोत

6

पिछले 5 वर्षों में पायथन के लिए कई चीजें (बेहतर के लिए) बदल गईं। ख़बरदार Cam.Davidson.Pilon द्वारा जवाब पर जीवन रेखा ।

— पिओत्र मिग्डल

69

की जाँच करें जीवन रेखाएं अजगर में जीवित रहने के मॉडलों में से एक सरल और साफ कार्यान्वयन के लिए ¹ परियोजना, सहित

अस्तित्व के कार्यों के अनुमानक
संचयी खतरा घटता के अनुमानक
कॉक्स का आनुपातिक खतरा प्रतिगमन मॉडल
कॉक्स का समय बदलती प्रतिगमन मॉडल
पैरामीट्रिक AFT मॉडल
एलेन का योगात्मक प्रतिगमन मॉडल
बहुभिन्नरूपी परीक्षण

लाभ:

पंडों के ऊपर बनाया गया है
शुद्ध अजगर और स्थापित करने के लिए आसान
प्लॉटिंग कार्यों में बनाया गया
सरल इंटरफ़ेस

प्रलेखन यहाँ उपलब्ध है: प्रलेखन और उदाहरण

उदाहरण का उपयोग:

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()

अंतर्निहित प्लॉटिंग लाइब्रेरी से उदाहरण प्लॉट:

यहाँ छवि विवरण दर्ज करें

डिस्क्लेमर: मैं मुख्य लेखक हूं। जीवन रेखाओं के बारे में प्रश्नों या प्रतिक्रिया के लिए मुझे (प्रोफ़ाइल में ईमेल) पिंग करें ।

— Cam.Davidson.Pilon
स्रोत

14

(+1) एक जीवित पैकेज के लिए बहुत चालाक नाम।

— मार्क क्लेसेन

8

अजगर-असुर खगोल विज्ञान में जीवित रहने के तरीकों के लिए असुर सॉफ्टवेयर को पोर्ट करने का एक प्रयास है । नज़र रखने लायक हो सकता है, लेकिन cgillespie के लिए बाहर देखने के लिए चीजों के बारे में सही है: यह एक लंबा रास्ता तय करना है और विकास सक्रिय नहीं लगता है। (AFAICT केवल एक विधि मौजूद है और यहां तक कि पूरा हो गया है, पैकेज के लिए कमी हो सकती है, कहते हैं, बायोस्टैटिस्टियन।)

तुम शायद आरवाई या PypeR की तरह कुछ के माध्यम से आर से पायथन में उत्तरजीविता पैकेज का उपयोग कर बेहतर हो । मुझे स्वयं ऐसा करने में कोई समस्या नहीं है।

— आर्स
स्रोत

7

PyIMSL में जीवित विश्लेषण के लिए मुट्ठी भर रूटीन होते हैं। यह गैर-वाणिज्यिक उपयोग के लिए बीयर में मुफ्त के रूप में है, अन्यथा पूरी तरह से समर्थित है। सांख्यिकी उपयोगकर्ता गाइड में प्रलेखन से ...

कप्लान-मेयर की गणना अस्तित्व की संभावनाओं का अनुमान: kaplanMeierEstimates ()

कॉक्स के आनुपातिक खतरों के मॉडल का उपयोग करके उत्तरजीविता और विश्वसनीयता डेटा का विश्लेषण करता है: PropHazardsGenLin ()

सामान्यीकृत रैखिक मॉडल का उपयोग करके उत्तरजीविता डेटा का विश्लेषण करता है: अस्तित्वजीएलएम ()

विभिन्न पैरामीट्रिक मोड का उपयोग करने का अनुमान: उत्तरजीविता ()

एक nonparametric दृष्टिकोण का उपयोग कर एक विश्वसनीयता खतरा समारोह का अनुमान है: nonparamHazardRate ()

जनसंख्या उत्पन्न करता है और जीवन सारणी को समेटता है: LifeTables ()

— जोश हेमन
स्रोत

4

अब आप IPython के भीतर से R का उपयोग कर सकते हैं , इसलिए आप R एक्सटेंशन के साथ IPython का उपयोग करना चाह सकते हैं।

— कार्ल स्मिथ
स्रोत

2

क्या आप इसका उदाहरण दे सकते हैं? मैं इसे आज़माने के लिए उत्सुक हूँ!

— user603

मेरा मानना है कि आप आर जादू इंटरफ़ेस (जो उपयोग करता है rpy2) को देखें। मैं भी एक त्वरित उदाहरण देखना पसंद करूंगा। (यह मेरी समझ है कि उत्तरजीविता मॉडल अभी तक पूरी तरह से स्टैटमोडेल में उपलब्ध नहीं हैं ।)

— chl

मैं स्टैटमोडल के बारे में निश्चित नहीं हूं, लेकिन आप सी, ऑक्टेव और आर एक्सटेंशन के उदाहरणों के साथ जीथब से नोटबुक प्राप्त कर सकते हैं । आपको उन्हें स्पष्ट रूप से उपयोग करने के लिए नोटबुक चलाने की आवश्यकता है, लेकिन मुझे यकीन है कि आप किसी भी इंटरफ़ेस में समान कोड का उपयोग कर सकते हैं।

— कार्ल स्मिथ

3

@ user603 यहाँ एक सरल डेमो है: nbviewer.ipython.org/4383682 ; यह काफी हालिया iPython पर निर्भर करता है, मुझे विश्वास है।

— shabbychef

2

मैं स्कोर-सर्वाइवल का भी उल्लेख करना चाहता हूं , जो उत्तरजीविता विश्लेषण के लिए मॉडल प्रदान करता है जिसे आसानी से स्किटिट-लर्न (जैसे केफोल्ड क्रॉस-वैरिफिकेशन) से उपकरणों के साथ जोड़ा जा सकता है।

इस लेखन के रूप में, scitit-अस्तित्व में कार्यान्वयन शामिल हैं

नेल्सन-एलेन संचयी खतरे समारोह के अनुमानक।
कपलान-मीयर उत्तरजीविता समारोह का अनुमानक।
कॉक्स के आनुपातिक खतरे के मॉडल के साथ और बिना नेट नेट दंड के।
त्वरित विफलता समय मॉडल।
सर्वाइवल सपोर्ट वेक्टर मशीन।
धीरे-धीरे कोक्स मॉडल को बढ़ावा दिया।
प्रदर्शन मूल्यांकन के लिए सहमति सूचकांक।

— sebp
स्रोत

समय-समय पर होने वाली भविष्यवाणी से संबंधित कार्यों के लिए scikit-अस्तित्व उत्कृष्ट है!

— Cam.Davidson.Pilon

1

इसके Rमाध्यम से RPyया समकक्ष का उपयोग करने के अलावा , सांख्यिकीमॉडल (पूर्व में sicpy.statsmodel) पायथन लाइब्रेरी में कई जीवित विश्लेषण रूटीन हैं । वे हालांकि "सैंडबॉक्स" पैकेज में हैं, जिसका अर्थ है कि वे अभी उत्पादन के लिए तैयार नहीं हैं।

उदाहरण के लिए, आपके पास यहाँ आनुपातिक खतरे का कॉक्स मॉडल है ।

— oDDsKooL
स्रोत