如何解释 PySurvival 的 predict_survival 输出？

编程问答 2022-05-31

问题描述

我使用 PySurvival 的 CoxPH 模型构建了一个模型，然后运行 ​​predict_survival 函数来检查其输出。这是在使用以下参数调用 predict_survival 函数后打印它时提供的输出示例：

coxph = CoxPHModel()
coxph.fit(train_X,train_T,train_E,lr=0.5,l2_reg=1e-2,init_method='zeros')

 [9.96254322e-001 9.86763222e-001 9.47647159e-001 6.05518522e-001
  3.54227963e-001 7.71126785e-002 2.95367274e-022 0.00000000e+000
  0.00000000e+000 0.00000000e+000 0.00000000e+000 0.00000000e+000
  0.00000000e+000 0.00000000e+000 0.00000000e+000 0.00000000e+000
  0.00000000e+000 0.00000000e+000 0.00000000e+000]

就我的理解而言，上述数组中的每个数字都是一个百分比，表示我感兴趣的事件在某个日期发生的几率，但我不明白该日期与数组的关系或如何我可以推断此信息以在与我的测试输入不同的输入上运行它。此外，生存函数输出的每个数组仅包含 15 个元素，并且在第 10 个元素附近的几率几乎总是达到 0。我只是不知道如何才能最好地解释这些数据，以便我可以在其他地方使用这些结果。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

pythonsurvivalsurvival-analysis