1

我是生存分析的新手，并使用 Python 的 Lifeline 快速编写了基线生存函数。但与我根据数据自己绘制的留存曲线相比，我得到的图表过于乐观。

下面是我根据我的数据制作的图表。它显示了来自不同群组的客户停留了多少周。很明显，来自比利时的人（红线）比来自荷兰的人停留的时间更长。20周后，56%的比利时客户还在，而荷兰人只有43%。

保留曲线 保留曲线

但是当我使用 Python 的生命线 CoxPHFitter 绘制生存函数时，我得到了下图：

在此处输入图像描述

显示20周后“还活着”的概率，比利时人70%以上，荷兰人50%以上。

为什么这些数字不同？我是否误解了其中一条曲线？

这是我的代码：

cph = CoxPHFitter()  
cph.fit(dumies, 'weeks_subscribed', event_col='stopped')  
cph.plot_partial_effects_on_outcome('addresses__address__country__name_Nederland',values=[0,1])

如果客户不再订阅，则“已停止”设置为 1。“weeks_subscribed”的平均长度为 18。

编辑：

我手动计算保留图的方式如下：

def add_time_subscribed(rd):
    rd['weeks_subscribed'] = 0
    for index, row in rd.iterrows():
        if (not row['stopped']) and (not row['_paused']):
            end_date = datetime.now(tz=pytz.UTC)
        else:
            end_date = row['paused_at']
                
        rd.loc[index,'weeks_subscribed'] = (end_date - row['subscribed_at']).days/7
        

def stayers_per_week(rd):
    y_axis = np.zeros(int(rd['weeks_subscribed'].max())+1)
    for index, row in rd.iterrows():
        for i in range(int(row['weeks_subscribed'])+1):
            y_axis[i] += 1
    x_axis = [i for i in range(len(y_axis))]
    return x_axis, y_axis/y_axis[0]
4

1 回答 1

0

两张图不相似的可能原因有很多。

我建议你绘制 KaplanMeir 拟合生存函数：

from lifelines import KaplanMeierFitter
kmf = KaplanMeierFitter()
kmf.fit(dummies['weeks_suscribed'], event_observed=dummies['stopped']) 
kmf.plot_survival_function()

然后你也可以绘制 'addresses__address__country__name_Nederland' 取值 0 和 1 ：

kmf = KaplanMeierFitter()
for value in [0,1]:      
    kmf.fit(dummies[dummies['addresses__address__country__name_Nederland']==value]['weeks_suscribed'], event_observed=dummies[dummies['addresses__address__country__name_Nederland']==value]['stopped']) 
    kmf.plot_survival_function()

这可能会让您更好地了解缺乏连贯性

于 2021-07-27T13:26:53.563 回答