Build your ultimate AI agent
课程介绍
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
课程大纲
课程大纲
1
生存分析入门
生存分析解决哪些问题？什么是删失？您将在探索生存分析数据、构建生存曲线并对生存时间进行基础估计的过程中回答这些问题。
2
生存曲线估计
在本章中，您将学习 Kaplan-Meier 模型的工作原理，以及如何拟合、可视化并解释该模型。随后，您将应用该模型来探索分类变量如何影响生存，并学习如何使用对数秩检验等假设检验方法来补充分析。
3
Weibull 模型
了解如何使用参数模型对事件时间数据进行建模。学习 Weibull 模型与 Weibull AFT 模型的用法及其各自适用场景。通过生存回归推断协变量如何影响生存函数，并学习如何为您的数据选择最佳的生存模型。
4
Cox PH 模型
又一个章节，又一种模型！在最后一章中，您将学习比例风险假设及其在拟合和解释 Cox 比例风险模型中的作用。您还将学习如何使用 Cox 比例风险模型来预测新个体的生存时间。
Python 中的生存分析
课程完成
