Accéder au contenu principal

Cours

Analyse de survie en Python

AvancéNiveau de compétence

Actualisé 06/2024

Utilisez l'analyse de survie pour traiter les données relatives au délai avant événement et prédire la durée de survie.

Commencer Le Cours Gratuitement

PythonProbability & Statistics4 h16 vidéos48 Exercices3,850 XP5,739Certificat de réussite.

Créez votre compte gratuit

ou

En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données seront hébergées aux États-Unis.

Apprécié par des utilisateurs provenant de milliers d'entreprises

Former 2 personnes ou plus ?

Essayez DataCamp for Business

Description du cours

Combien de temps faut-il pour que les symptômes de la grippe apparaissent après l’exposition ? Et si vous ne savez pas quand les personnes ont été infectées ? Le salaire et l’équilibre vie pro/vie perso influencent-ils la vitesse du turnover ? De nombreux problèmes concrets nécessitent l’analyse de survie pour estimer de manière robuste le temps jusqu’à un événement et en tirer des enseignements à partir des distributions de temps avant événement. Ce cours vous présente les concepts de base de l’analyse de survie. À travers des exercices pratiques, vous apprendrez à calculer, visualiser, interpréter et comparer des courbes de survie à l’aide des modèles de Kaplan-Meier, Weibull et Cox PH. À la fin du cours, vous saurez modéliser des distributions de survie, produire de jolis graphiques de courbes de survie et même prédire des durées de survie.

Prérequis

Introduction to Regression with statsmodels in Python Hypothesis Testing in Python

1

Introduction to Survival Analysis

What problems does survival analysis solve, and what is censorship? You’ll answer these questions as you explore survival analysis data, build survival curves, and make basic estimations of survival time.

What is survival analysis?

What problems does survival analysis solve?

Choose the right data for survival analysis

Why use survival analysis?

Identify the censorship type

Preprocess censored data

First look at censored data

Your first survival curve!

Draw a survival curve

Long live democracy!

Commencer Le Chapitre

2

Survival Curve Estimation

In this chapter, you’ll learn how the Kaplan-Meier model works and how to fit, visualize, and interpret it. You’ll then apply this model to explore how categorical variables affect survival and learn how to supplement your analysis using hypothesis testing methods like the log-rank test.

Fitting a Kaplan-Meier estimator

How to fit a Kaplan-Meier estimator?

Heart disease patient survival

Visualizing your Kaplan-Meier model

Plotting the survival curve

Patient soreness treatment

Applying survival analysis to groups

Senators' terms in office

Comparing patient soreness treatments

The log-rank test

Appropriate data for log-rank test

Plotting and comparing survival curves

Log-rank test

Commencer Le Chapitre

3

The Weibull Model

Discover how to model time-to-event data with parametric models. Learn how to use the Weibull model and the Weibull AFT model and what different purposes they serve. Use survival regression to make inferences about how covariates affect the survival function and learn how to select the best survival model for your data.

Fitting the Weibull model

Model prison data with Weibull

Compare Weibull model parameters

Weibull model with covariates

Analyze heart patients characteristics

Explore gender-LVDD interaction

Visualization and prediction with Weibull model

How do prior arrests impact re-arrest rate?

Predict re-arrest rate

Other distributions and model selection

How good is the fit?

Choose a parametric model

Commencer Le Chapitre

4

The Cox PH Model

Another chapter, another model! In this final chapter, you'll learn about the proportional hazards assumption and the role it plays in fitting and interpreting the Cox Proportional Hazards model. You’ll also learn how to predict new subjects' survival times using the Cox Proportional Hazards model.

Fitting the Cox Proportional Hazards model

Model prison data with Cox PH

Custom Cox PH model

Interpreting the Cox PH model

Cox PH model survival time

Plot covariate effects on survival

The proportional hazards assumption

Test the PH assumption with KM curves

Test the PH assumption automatically

Predicting with the Cox PH model

Employee churn study

Predict before they leave!

Congratulations!

Commencer Le Chapitre

Analyse de survie en Python

Cours
terminé

Obtenez un certificat de réussite

Ajoutez cette certification à votre profil LinkedIn, à votre CV ou à votre portfolio
Partagez-la sur les réseaux sociaux et dans votre évaluation de performanceS'inscrire Maintenant

Rejoignez plus de 19 millions d'utilisateurs et commencez Analyse de survie en Python dès aujourd'hui !

Créez votre compte gratuit

ou

En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données seront hébergées aux États-Unis.

Apprenez où que vous soyez avec l'application DataCamp

Progressez où que vous soyez grâce à nos cours conçus pour mobile et à nos défis quotidiens de 5 minutes.