我正在开展一个项目，使用机器学习方法和包含大约 900 个变量的数据集来预测事件（移植失败）的日期，我是这个领域的新手，我不确定我是否走在正确的轨道上。
起初，我使用神经网络在 python 中使用 Keras 库进行预测，然后我发现我的数据中有 70% 的审查实例（Y 变量）。但是，除了 Y 之外，我还有一个后续变量。所以，我得出结论，我不应该使用神经网络来解决这类问题，而且我必须事先处理审查数据。现在我有三个问题：
1）有这样的审查数据率是否正常？我们应该如何处理这种情况？
2) 我的结论是否正确，即神经网络不是解决我的问题的最佳方案？如果不是，最常见的机器学习方法是什么？我为此目的找到了生命线和 scikit-survival 包，但我不知道哪个更好，它是正确的解决方案。
3）我用后续变量替换了审查数据，而根据我的数据集中审查数据的高比例，我认为它不合适。我意识到我应该使用另一种方法，如校准，但我找不到执行此操作的 python 库。你能帮我解决这个问题吗？Pyhton 中通常用于校准什么？