如何用 lifelines 生成模拟生存数据集生存数据生成完整速查表【免费下载链接】lifelinesSurvival analysis in Python项目地址: https://gitcode.com/gh_mirrors/li/lifelines需要验证生存分析模型手头却没有真实数据lifelines 的generate_datasets模块就是为此准备的几行代码完成生存数据生成得到一份模拟生存数据集——可以指定指数分布等时长分布给每个个体挂上协变量、掺入截尾记录搭出贴合自己场景的自定义生存数据集。真实数据难拿先跑一份模拟生存数据集真实医疗随访、SaaS 流失这类数据常常被隐私合规卡住采集又贵又慢。模型验证、教学演示、算法对比这些场景不必干等——在本地模拟一份符合预期分布的数据马上就能开工。 三行代码跑出第一个指数分布数据集最省事的入口是exponential_survival_data一次调用直接返回带截尾的观测结果from lifelines.generate_datasets import exponential_survival_data times, events exponential_survival_data(n500, cr0.3, scale2.0)times是每个个体最终被记录下来的时长events是布尔数组True 表示事件真的发生了False 表示这条记录被右截尾——只知道到某个时刻还没发生具体时间缺失。参数里cr0.3让约三成记录落入截尾scale控制生存时长的平均水平。第一次跑通时不妨先看看前五行输出确认时长和截尾标记都在。风险率需要分段跳变的话还有piecewise_exponential_survival_data可以指定断点和各段速率。生存函数 S(t)P(Tt) 说的就是活到 t 时刻还没出事的概率。模拟完用KaplanMeierFitter拟合一轮就能看到这条曲线长什么样 生成含协变量的生存数据三步链路想验证 Cox 回归光有时长不够还得有含协变量的生存数据。链路拆成三步每步只干一件事generate_covariates生成 n×d 的协变量矩阵连续列服从指数分布还能指定其中几列是 0/1 二值变量generate_hazard_rates把协变量和系数拼成每个个体在各时间点的风险率可以理解为此刻出事的瞬时概率generate_random_lifetimes把风险率积分成累积风险再反解出具体生存时间传censorTrue就自动掺入均匀右截尾。timelines np.linspace(0, 80, 800) hazard_rates, coefficients, covariates generate_hazard_rates( n800, d4, timelinestimelines, constantFalse, modelcox) survival_times, observed generate_random_lifetimes(hazard_rates, timelines, censorTrue)上板是风险率本身下板是它的累积——到此刻为止暴露风险的累计量截尾体现在时间轴上红线在端点停住的是已发生事件的个体蓝线到观测边界就被截断只剩下前一段记录 一个函数搞定generate_observational_matrix 一站式生成三步链路前几次够用想省事就用generate_observational_matrix一次调用把协变量、风险率、生存时间全做完。返回的data里每个个体一行协变量外加event_at一列记录事件时间行已按事件时间排好另一份返回值是累积系数方便你核对数据到底是怎么来的data, cumulative_coefficients generate_observational_matrix( n800, d4, timelinestimelines, modelaalen)如果只是想快速要一张能进模型的表这是最短路径。model参数决定数据服从哪种假设两种选一model系数行为什么时候用它cox系数恒定风险按比例缩放验证比例风险假设配 CoxPHFitteraalen系数随时间变化验证加法风险模型配 AalenAdditiveFitter参数调优速查表n、d、cr、model 怎么选下表是四个最常动的参数先照抄建议值也能跑通参数建议取值一句话说明n500–1000样本量太少曲线抖太大模拟变慢d3–5协变量个数和想验证的变量数对齐cr0.1–0.3exponential_survival_data的截尾率按真实观测条件定modelcox 或 aalen系数恒定还是随时间变二选一还有constant是否强制系数恒定、independent随机关掉几个协变量检验模型能否识别出无效变量、n_binary二值变量个数等旋钮直接翻 generate_datasets 模块源码完整的拟合与画图流程见 Quickstart。模拟出来的自定义生存数据集可以直接喂给 lifelines 的各种 fitter 做生存分析。想动手跑一遍先拉下完整源码git clone https://gitcode.com/gh_mirrors/li/lifelines【免费下载链接】lifelinesSurvival analysis in Python项目地址: https://gitcode.com/gh_mirrors/li/lifelines创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考