我试图了解如何计算我的数据集中每个 id 的预期时间。我有一个看起来像 Dataframe 形状(500,4)的数据集:
ids var1 var2 churn time
0 1.738434 324 0 21.0
1 1.541176 12 0 4.0
2 2.049281 753 1 5.0
3 1.929860 563 0 16.0
4 1.595027 22 0 5.0
... ... ... ... ...
让我们使用每个 ID的生存函数lifelines
来计算期望值。predict_expectation
median
第 1 部分:计算预期值
cph = CoxPHFitter()
cph.fit(data,"time","churn")
censored_df = data[data["churn"]==0]
cph.predict_expectation(censored_df) #conditional_after=censored_df["time"])
#or
cph.predict_median(censored_df) #conditional_after=censored_df["time"])
对于 scikit-survival,使用predict_survival_function()
一致性指数 = 0.82
第 2 部分:将结果与实际值进行比较
所以现在我使用两种方法创建了一个表:(predict_expectation()
“预期”列)和predict_median
(“中值”列),如下所示:
对于 scikit-survival,它只能通过取中位数来计算 (请不要说我知道对于生命线中的其他算法\scikit-learn 可能会有所不同,但要关注这个想法)
ids churn time expected diff_expectation median diff_median
0 0 21.0 21.526222 0.526222 8.0 -13.0
1 0 4.0 21.819911 17.819911 13.0 9.0
3 0 16.0 23.189344 7.189344 9.0 -7.0
4 0 5.0 22.090598 17.090598 12.0 7.0
6 0 8.0 21.545022 13.545022 10.0 2.0
... ... ... ... ... ... ...
带有“diff”的列表示各个预测列与“time”之间的差异
问题
为什么预期的时间如此之差?
方法有什么问题吗?我应该预测整个数据(审查+未经审查)还是只使用审查数据?(我已经尝试了三种可能的排列,只有审查,只有未经审查,两者都有,它仍然关闭)。我的理解是,如果每个 ID 的生存曲线收敛到 0(未经审查的数据),您可以使用曲线下面积计算,如果被审查,则需要使用生存曲线的中位数。(记住这一点,我已经完成了上述计算)
我怎样才能获得更接近的估计?
如果运行实验并仅在未经审查的数据上拟合模型,然后在相同的未经审查的数据上进行预测,你应该得到一个非常接近的估计,对吗?好吧,事实并非如此。您应该能够通过从预期中位数中取平均值来检查这一点,它应该与实际值的中位数相似,对吧?或者您可以检查“差异”列的平均值,看看它是否至少平均为 0,但事实并非如此,这表明模型中存在一些潜在的偏差
为什么
predict_expectation
输出与 的不同predict_median
?哪个更推荐使用?
这种现象发生在任何数据集上,您可以尝试使用该from lifelines.datasets import load_leukemia
数据集复制此示例,即使您的一致性指数为 0.9,这种情况仍然会发生。
这是我发现的一些资源,可以解释这一点,但我并不完全理解,如果有人可以将其分解得更多,那就太好了。
来源
- https://github.com/sebp/scikit-survival/issues/94
- https://github.com/sebp/scikit-survival/issues/190
- https://scikit-survival.readthedocs.io/en/latest/user_guide/understanding_predictions.html
- https://lifelines.readthedocs.io/en/latest/fitters/regression/CoxPHFitter.html#lifelines.fitters.coxph_fitter.CoxPHFitter.predict_expectation
你可以在这里找到一个完全编码的例子:https ://github.com/felipe0216/survival_examples/blob/main/predict_expectation_scikit.py