scikit-survival
scikit-survival을 사용한 생존 분석 수행
متاح أيضًا من: K-Dense-AI
이벤트 발생까지의 시간 분석은 검열된 데이터에 대한 특수한 방법을 필요로 합니다. 이 스킬은 Cox 모델, Random Survival Forest, Survival SVM을 피팅하는 방법에 대한 완전한 안내를 제공하며, 일치 지수(concordance index)와 Brier 점수를 사용하여 예측을 적절하게 평가하는 방법을 다룹니다.
تنزيل ZIP المهارة
رفع في Claude
اذهب إلى Settings → Capabilities → Skills → Upload skill
فعّل وابدأ الاستخدام
اختبرها
استخدام "scikit-survival". 유방암 생존 데이터에 Cox 모델 피팅
النتيجة المتوقعة:
- 모델 피팅됨: 15개 특성을 가진 CoxPHSurvivalAnalysis
- C-index (Uno 방식): 0.742 (95% CI: 0.701-0.783)
- 주요 위험 비율: Age=1.02, TumorSize=1.05, ER_Positive=0.72
- 양의 계수는 더 높은 위험(더 짧은 생존)을 의미함
- ER_Positive 환자는 28% 낮은 위험(보호 요인)
التدقيق الأمني
آمنThis is a pure documentation skill containing only survival analysis reference materials and Python code examples. All 281 static findings are false positives - the scanner detected Python syntax (backticks in f-strings, function calls) and markdown formatting (# headers, ``` code blocks) in documentation files. No executable scripts, network calls, file system access, or malicious patterns exist. The skill provides legitimate guidance for using the scikit-survival library for survival analysis.
عوامل الخطر
⚡ يحتوي على سكربتات (4)
⚙️ الأوامر الخارجية (3)
🌐 الوصول إلى الشبكة (2)
درجة الجودة
ماذا يمكنك بناءه
임상 생존 예측
검열된 결과를 가진 병원 코호트 데이터를 사용하여 환자의 생존에 대한 예후 모델 구축
이탈 및 유지 모델링
우측 검열된 관측치를 고려하면서 고객의 이탈까지의 시간 예측
역학 코호트 분석
다양한 이벤트 유형이 포함된 종단 연구의 이벤트 발생까지의 시간 데이터 분석
جرّب هذه الموجهات
scikit-survival을 사용하여 생존 데이터에 Cox 비례 위험 모델을 피팅하세요. 계수를 해석하고 위험 비율을 계산하는 방법을 보여주세요.
내 데이터셋에서 Random Survival Forest, Gradient Boosting Survival Analysis, FastSurvivalSVM을 비교하고 일치 지수와 통합 Brier 점수를 사용하세요.
scikit-survival을 사용하여 고차원 유전체 데이터에서 생존 분석을 수행하세요. 특성 선택과 정규화를 위해 CoxnetSurvivalAnalysis를 사용하세요.
환자가 다양한 이벤트 유형을 경험할 수 있는 내 생존 데이터에서 경쟁 위험을 분석하세요. 누적 발생 함수와 원인별 위험 모델을 보여주세요.
أفضل الممارسات
- SVM 및 정규화된 Cox 모델의 경우 피팅 전에 항상 특성 표준화
- 검열이 40%를 초과할 때는 Harrell 방식 대신 Uno의 C-index 사용
- 먼저 데이터 품질 확인: 음수 시간 확인 및 특성당 최소 10개 이벤트 확보
تجنب
- 높은 검열률에서 Uno 방식으로 조정하지 않고 Harrell의 C-index 사용
- 경쟁 이벤트를 단순 검열로 처리하는 대신 경쟁 위험 방법 사용
- 순열 중요도 없이 Random Survival Forest의 내장 특성 중요도 사용