预测当前时间的生存概率

Question

我用以下几行训练我的生存模型：

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

在此之后我想看看当前时间（duration列）的生存概率是多少。

如果使用以下 for 循环，我目前这样做的方式是：

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，考虑到我使用 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一个 200000x200000 矩阵，因为它根据所有提供的时间检查每一行。

我只是想检查生存概率与它自身的持续时间。 lifelines 中是否有执行此操作的函数？

Answer 1

问得好。我认为目前最好的方法是重现预测生存函数的作用。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'])

我认为类似的方法可行。这可能是我将来添加到 API 的内容。

预测当前时间的生存概率

Predicting survival probability at current time

python

survival-analysis

lifelines