파이썬에서 생존 분석 도구 [닫기] 있는지 궁금합니다. R에서 생존 패키지를 사용하고

생존 분석을 수행 할 수있는 파이썬 패키지가 있는지 궁금합니다. R에서 생존 패키지를 사용하고 있지만 내 작업을 파이썬으로 이식하고 싶습니다.



답변

AFAIK, 파이썬에는 생존 분석 패키지가 없습니다. mbq가 위에서 언급했듯이 사용 가능한 유일한 경로는 Rpy 입니다.

사용 가능한 순수 파이썬 패키지가 있더라도 사용에 특히주의해야합니다. 특히 다음을 살펴보십시오.

  • 얼마나 자주 업데이트됩니까?
  • 큰 사용자 기반이 있습니까?
  • 고급 기술이 있습니까?

R의 장점 중 하나는 이러한 표준 패키지가 방대한 양의 테스트와 사용자 피드백을 받는다는 것입니다. 실제 데이터를 처리 할 때 예기치 않은 에지 사례가 발생할 수 있습니다.


답변

생명선 ¹ 프로젝트를 확인하여 다음을 포함하여 Python에서 생존 모델을 간단하고 깔끔하게 구현하십시오.

  • 생존 함수의 추정자
  • 누적 위험 곡선 추정기
  • 콕스의 비례 위험 회귀 모델
  • 콕스의 시변 회귀 모델
  • 파라 메트릭 AFT 모델
  • 알렌의 가산 회귀 모형
  • 다변량 테스트

혜택:

  • 팬더 위에 구축
  • 순수한 파이썬 및 설치가 용이
  • 플로팅 기능 내장
  • 간단한 인터페이스

설명서는 여기에서 볼 수 있습니다 : 설명서 및 예제

사용법 예 :

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()

내장 플로팅 라이브러리의 플롯 예 :

  1. 면책 조항 : 나는 주요 저자입니다. 라이프 라인에 대한 질문이나 의견이 있으면 Ping me (프로필로 이메일)를 보내십시오 .

답변

python-asurv 는 천문학에서 생존 방법을위한 asurv 소프트웨어 를 이식하려는 노력 입니다. 지켜봐야 할 가치가 있지만, cgillespie는 조심해야 할 것들에 대한 것입니다. 갈 길이 멀고 개발이 활발하지 않은 것 같습니다. (AFAICT는 오직 하나의 방법 만이 존재하고 심지어 완성되었는데, 패키지에는 생물 통계 학자에게는 부족할 수 있습니다.)

RPy 또는 PypeR 과 같은 것을 통해 Python의 R에서 생존 패키지를 사용 하는 것이 좋습니다 . 나는이 일을하는 데 아무런 문제가 없었습니다.


답변

PyIMSL 에는 생존 분석을위한 소수의 루틴이 포함되어 있습니다. 비상업적 용도로는 비어 있음으로 무료로 제공되며, 그렇지 않으면 완전히 지원됩니다. 통계 사용자 안내서의 문서에서 …

생존 확률의 Kaplan-Meier 추정값을 계산합니다 : kaplanMeierEstimates ()

Cox의 비례 위험 모델을 사용하여 생존 및 신뢰성 데이터를 분석합니다. propHazardsGenLin ()

일반화 된 선형 모형을 사용하여 생존 데이터를 분석합니다 : survivalGlm ()

다양한 파라 메트릭 모드를 사용한 추정값 : survivalEstimates ()

비모수 적 접근 방식을 사용하여 신뢰성 위험 함수를 추정합니다. nonparamHazardRate ()

모집단 및 코호트 수명 테이블을 생성합니다. lifeTables ()


답변

이제 IPython 내에서 R을 사용할 수 있으므로 Ry 확장과 함께 IPython을 사용하는 것이 좋습니다.


답변

또한 scikit-survival (Scikit-survival) 에 대해 언급하고 싶습니다 . 이것은 scikit-learn (예 : KFold cross-validation)의 도구와 쉽게 결합 할 수있는 생존 분석 모델을 제공합니다.

이 글을 쓰는 시점에서 scikit-survival 은 다음의 구현을 포함합니다.

  • 누적 위험 함수의 Nelson-Aalen 추정기.
  • 생존 함수의 Kaplan-Meier 추정기.
  • 탄성 순 페널티가 있거나없는 콕스의 비례 위험 모델.
  • 가속 실패 시간 모델.
  • 생존 지원 벡터 머신.
  • 그라데이션 부스트 콕스 모델.
  • 성능 평가를위한 적합성 지수.

답변

R스루 RPy또는 이와 동등한 것을 사용 하는 것 외에도 statsmodels (이전의 sicpy.statsmodel) python 라이브러리 에는 많은 생존 분석 루틴이 있습니다. 그러나 “샌드 박스”패키지에 들어 있으므로 현재 프로덕션 준비가되어 있지 않습니다.

예를 들어 여기 에 비례 위험의 콕스 모델이 있습니다 .