ข้ามไปยังเนื้อหาหลัก

บ้าน Python

Courses

Survival Analysis in Python

ขั้นสูงระดับทักษะ

อัปเดตแล้ว 06/2567

Use survival analysis to work with time-to-event data and predict survival time.

เริ่มเรียนหลักสูตรฟรี

PythonProbability & Statistics4 ชม.16 videos48 Exercises3,850 เอ็กซ์พี5,739คำแถลงแสดงความสำเร็จ

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

เป็นที่ชื่นชอบของผู้เรียนในบริษัทหลายพันแห่ง

ฝึกอบรมบุคคลตั้งแต่ 2 คนขึ้นไป?

ลองใช้ DataCamp for Business

คำอธิบายรายวิชา

How long does it take for flu symptoms to show after exposure? And what if you don't know when people caught the virus? Do salary and work-life balance influence the speed of employee turnover? Lots of real-life challenges require survival analysis to robustly estimate the time until an event to help us draw insights from time-to-event distributions. This course introduces you to the basic concepts of survival analysis. Through hands-on practice, you’ll learn how to compute, visualize, interpret, and compare survival curves using Kaplan-Meier, Weibull, and Cox PH models. By the end of this course, you’ll be able to model survival distributions, build pretty plots of survival curves, and even predict survival durations.

ข้อกำหนดเบื้องต้น

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?

50 เอ็กซ์พี

What problems does survival analysis solve?

100 เอ็กซ์พี

Choose the right data for survival analysis

50 เอ็กซ์พี

Why use survival analysis?

50 เอ็กซ์พี

Identify the censorship type

50 เอ็กซ์พี

Preprocess censored data

100 เอ็กซ์พี

First look at censored data

100 เอ็กซ์พี

Your first survival curve!

50 เอ็กซ์พี

Draw a survival curve

100 เอ็กซ์พี

Long live democracy!

100 เอ็กซ์พี

เริ่มบท

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

50 เอ็กซ์พี

How to fit a Kaplan-Meier estimator?

100 เอ็กซ์พี

Heart disease patient survival

100 เอ็กซ์พี

Visualizing your Kaplan-Meier model

50 เอ็กซ์พี

Plotting the survival curve

50 เอ็กซ์พี

Patient soreness treatment

100 เอ็กซ์พี

Applying survival analysis to groups

50 เอ็กซ์พี

Senators' terms in office

100 เอ็กซ์พี

Comparing patient soreness treatments

100 เอ็กซ์พี

The log-rank test

50 เอ็กซ์พี

Appropriate data for log-rank test

100 เอ็กซ์พี

Plotting and comparing survival curves

100 เอ็กซ์พี

Log-rank test

100 เอ็กซ์พี

เริ่มบท

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

50 เอ็กซ์พี

Model prison data with Weibull

100 เอ็กซ์พี

Compare Weibull model parameters

100 เอ็กซ์พี

Weibull model with covariates

50 เอ็กซ์พี

Analyze heart patients characteristics

100 เอ็กซ์พี

Explore gender-LVDD interaction

100 เอ็กซ์พี

Visualization and prediction with Weibull model

50 เอ็กซ์พี

How do prior arrests impact re-arrest rate?

100 เอ็กซ์พี

Predict re-arrest rate

100 เอ็กซ์พี

Other distributions and model selection

50 เอ็กซ์พี

How good is the fit?

100 เอ็กซ์พี

Choose a parametric model

100 เอ็กซ์พี

เริ่มบท

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

50 เอ็กซ์พี

Model prison data with Cox PH

100 เอ็กซ์พี

Custom Cox PH model

100 เอ็กซ์พี

Interpreting the Cox PH model

50 เอ็กซ์พี

Cox PH model survival time

100 เอ็กซ์พี

Plot covariate effects on survival

100 เอ็กซ์พี

The proportional hazards assumption

50 เอ็กซ์พี

Test the PH assumption with KM curves

100 เอ็กซ์พี

Test the PH assumption automatically

100 เอ็กซ์พี

Predicting with the Cox PH model

50 เอ็กซ์พี

Employee churn study

100 เอ็กซ์พี

Predict before they leave!

100 เอ็กซ์พี

Congratulations!

50 เอ็กซ์พี

เริ่มบท

Survival Analysis in Python

หลักสูตรเสร็จสมบูรณ์

ได้รับใบรับรองความสำเร็จ

เพิ่มข้อมูลรับรองนี้ลงในโปรไฟล์ LinkedIn, ประวัติย่อ หรือเรซูเม่ของคุณ
แชร์ลงในโซเชียลมีเดียและในรายงานประเมินผลการปฏิบัติงานของคุณลงทะเบียนเลย

เข้าร่วมกับ... 19 ล้านผู้เรียน และเริ่ม Survival Analysis in Python วันนี้เลย!

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile

พัฒนาทักษะได้ทุกที่ทุกเวลาด้วยคอร์สเรียนบนมือถือและแบบฝึกหัดเขียนโค้ดประจำวัน 5 นาทีของเรา