Analyse de survie avec Python - Broché

par Avishek Nag (Auteur)

L'analyse de survie utilise des statistiques pour calculer le temps jusqu'à l'échec. Survival Analysis with Python (Analyse de survie avec Python) offre une nouvelle perspective sur ce sujet complexe en expliquant comment utiliser le langage de programmation Python pour effectuer ce type d'analyse. Le sujet étant lui-même très mathématique et rempli d'expressions et de formulations, le livre fournit des explications détaillées et examine les implications pratiques. Le livre commence par un aperçu des concepts sous-jacents à l'analyse de survie statistique. Il approfondit ensuite

• Les modèles paramétriques avec la couverture de

• Le concept d'estimation du maximum de vraisemblance (MLE) d'un paramètre de distribution de probabilité
• MLE de la fonction de survie
• Distributions de probabilité courantes et leur analyse
• Analyse de la distribution exponentielle comme fonction de survie
• Analyse de la distribution de Weibull comme fonction de survie
• Dérivation de la distribution de Gumbel comme fonction de survie à partir de Weibull
• Les modèles non paramétriques, y compris

• L'estimateur de Kaplan-Meier (KM), une dérivation de l'expression à l'aide de MLE
• Ajustement de l'estimateur KM avec un exemple de jeu de données, un code Python et un traçage de courbes
• Formule de Greenwood et sa dérivation
• Les modèles avec covariables expliquant

• Le concept de décalage temporel et le modèle AFT (Accelerated Failure Time)
• Modèle Weibull-AFT et dérivation des paramètres par MLE
• Modèle de risque proportionnel (PH)
• Modèle Cox-PH et méthode de Breslow
• Importance des covariables
• Sélection des covariables

La bibliothèque Python lifelines est utilisée pour les exemples de code. En associant la théorie à des exemples pratiques comportant des jeux de données, ce livre est à la fois un tutoriel pratique et un guide de référence utile.

Biographie de l'auteur

Avishek Nag est titulaire d'un master en technologie en analyse de données et apprentissage automatique de l'Institut de technologie et de science Birla, Pilani, Inde. Il a plus de 15 ans d'expérience dans le développement de logiciels et l'architecture de systèmes. Il possède également une expérience professionnelle en science des données et apprentissage automatique, Java, Python, Big Data, y compris Spark et MongoDB. Il a travaillé chez VMWare, Cisco, Mobile Iron et Computer Science Corporation (aujourd'hui DXC). Il est également l'auteur du livre Pragmatic Machine Learning with Python, qui est recommandé dans la bibliothèque numérique de l'ACM Education.