跳至主要内容

课程

Python 中的生存分析

高级4 小时

使用生存分析处理事件发生时间数据并预测生存时间。

Python4 小时16 个视频48 个练习3,850 XP5,929成就证明

创建您的免费账户

继续使用 Google
继续即表示您接受我们的 使用条款,我们的 隐私政策 ,并且您的数据存储在美国。

深受数千家公司学习者的喜爱

要培训团队?

试用企业版

课程简介

接触流感后症状多久会出现?如果不知道人们何时感染,又该怎么办?薪资和工作与生活的平衡是否会影响员工离职的速度?许多真实问题需要通过生存分析来稳健地估计事件发生时间,从事件时间分布中提炼洞见。本课程将带您了解生存分析的基本概念。通过动手练习,您将学习如何使用 Kaplan-Meier、Weibull 和 Cox PH 模型来计算、可视化、解释并比较生存曲线。完成课程后,您将能够建模生存分布,绘制美观的生存曲线图,甚至预测生存时长。

先修要求

课程体系

课程大纲

2

生存曲线估计

3

Weibull 模型

Python 中的生存分析

课程已完成

获得成就证明

立即报名

通过 DataCamp 移动版提升您的数据技能

借助我们的移动课程和每日 5 分钟编程挑战,随时随地取得进步。