PySurvival 开源项目教程
2024-09-25 14:48:22作者:霍妲思
pysurvival
Open source package for Survival Analysis modeling
1. 项目介绍
什么是 PySurvival?
PySurvival 是一个开源的 Python 包,专门用于生存分析建模。生存分析是一种用于分析或预测事件发生时间的建模概念。PySurvival 基于常用的机器学习包,如 NumPy、SciPy 和 PyTorch,并且兼容 Python 2.7 和 3.7。
主要功能
- 多种模型:包括 Cox 比例风险模型、神经多任务逻辑回归、随机生存森林等。
- 理论与实践结合:提供详细的理论解释和 API 描述,以及丰富的教程。
- 性能评估:支持 c-index 和 Brier 分数等性能指标,用于评估模型的能力。
- 简单易用:提供简单的方式来加载和保存模型。
2. 项目快速启动
安装
首先,确保你已经安装了 gcc。然后,使用 pip 安装 PySurvival:
pip install pysurvival
快速建模示例
以下是一个简单的建模示例,展示了如何使用 PySurvival 进行生存分析:
# 加载模块
from pysurvival.models.semi_parametric import CoxPHModel
from pysurvival.models.multi_task import LinearMultiTaskModel
from pysurvival.datasets import Dataset
from pysurvival.utils.metrics import concordance_index
# 加载并分割数据集
X_train, T_train, E_train, X_test, T_test, E_test = Dataset('simple_example').load_train_test()
# 构建 CoxPH 模型
coxph_model = CoxPHModel()
coxph_model.fit(X=X_train, T=T_train, E=E_train, init_method='he_uniform', l2_reg=1e-4, lr=1e-4, tol=1e-4)
# 构建 MTLR 模型
mtlr = LinearMultiTaskModel()
mtlr.fit(X=X_train, T=T_train, E=E_train, init_method='glorot_uniform', optimizer='adam', lr=8e-4)
# 检查模型性能
c_index1 = concordance_index(model=coxph_model, X=X_test, T=T_test, E=E_test)
print("CoxPH 模型 c-index = {:.2f}".format(c_index1))
c_index2 = concordance_index(model=mtlr, X=X_test, T=T_test, E=E_test)
print("MTLR 模型 c-index = {:.2f}".format(c_index2))
3. 应用案例和最佳实践
应用案例
PySurvival 广泛应用于以下领域:
- 客户流失分析:预测客户在未来某个时间点流失的可能性。
- 信用风险评估:评估借款人在未来某个时间点违约的风险。
- 医疗分析:预测患者在特定治疗方案下的生存时间。
最佳实践
- 数据预处理:在进行生存分析之前,确保数据已经过适当的预处理,包括缺失值处理和特征工程。
- 模型选择:根据具体问题选择合适的模型,如 CoxPH 模型适用于线性关系,而随机生存森林适用于非线性关系。
- 交叉验证:使用交叉验证来评估模型的泛化能力,避免过拟合。
4. 典型生态项目
相关项目
- NumPy:用于数值计算的基础库。
- SciPy:提供科学计算工具的库。
- PyTorch:用于深度学习的开源框架。
这些项目与 PySurvival 紧密结合,共同构成了强大的生存分析工具链。
pysurvival
Open source package for Survival Analysis modeling
热门项目推荐
相关项目推荐
- CangjieCommunity为仓颉编程语言开发者打造活跃、开放、高质量的社区环境Markdown6720
- redis-sdk仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。Cangjie32326
- Yi-CoderYi Coder 编程模型,小而强大的编程助手315
- qwerty-learner为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workersTypeScript15.77 K1.48 K
- advanced-javaAdvanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。JavaScript76.11 K19.07 K
- taro开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/TypeScript35.52 K4.79 K
- CommunityCangjie-TPC(Third Party Components)仓颉编程语言三方库社区资源汇总252
- Wwindows暂无简介Shell16.14 K1.35 K
- byzer-langByzer(以前的 MLSQL):一种用于数据管道、分析和人工智能的低代码开源编程语言。Scala1.88 K551
- AanacondaAnaconda turns your Sublime Text 3 in a full featured Python development IDE including autocompletion, code linting, IDE features, autopep8 formating, McCabe complexity checker Vagrant and Docker support for Sublime Text 3 using Jedi, PyFlakes, pep8, MyPy, PyLint, pep257 and McCabe that will never freeze your Sublime Text 3Python2.22 K263
最新内容推荐
展开
项目优选
收起
CangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
672
0
openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
12
8
advanced-java
Advanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。
JavaScript
75.83 K
19.04 K
redis-sdk
仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。
Cangjie
323
26
RuoYi-Vue
🎉 基于SpringBoot,Spring Security,JWT,Vue & Element 的前后端分离权限管理系统,同时提供了 Vue3 的版本
Java
136
18
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手
HTML
30
5
easy-es
Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
1.42 K
231
xzs
在线考试系统、考试系统、在线教育考试系统、在线教育、跨平台考试、考试、智能考试、试题、错误试题、考试题目、试题组卷等
HTML
3
1
langgpt
Ai 结构化提示词,人人都能写出高质量提示词,GitHub 开源社区全球趋势热榜前十项目,已被百度、智谱、字节、华为等国内主流大模型智能体平台使用,内容来自国内最具影响力的高质量提示词工程师学习交流社群——LangGPT。开源知识库:https://langgptai.feishu.cn/wiki/RXdbwRyASiShtDky381ciwFEnpe
Jupyter Notebook
16
2