这是非线性降维高斯过程潜变量模型 (GPLVM) 和威布尔比例风险模型 (WPHM) 的组合。 它适用于具有事件发生时间测量的高维数据。 也就是说，具有高维协变量的生存分析。 这项工作基于以下出版物： http : //arxiv.org/abs/1406.0812 。 如果有任何问题，请随时与我联系。

员工离职生存分析 这个项目是作为我本科生存分析课程的最终项目而创建的。 除了通常用于教学的医疗数据之外，为了在更独特的数据类型中查看生存分析，我的团队选择查看导致员工流失率的因素。 使用 Davin Wijaya 提供的 Kaggle 员工离职数据集，我们的项目确定了导致员工决定离开公司的最重要因素，以及观察到的离职人员与留在公司的人员的性格特征。 该项目将生存分析与数据科学方法相结合，因为我们使用 PCA 和层次聚类来分析员工的性格特征，并确定创造力、外向性、独立性、焦虑水平等是否可以组合为可识别的人格类型。 在确定了 5 组性格组合后，我们能够预测观察到的性格类型在面临其他外部因素时辞职的可能性有多大。 原始数据集： :

这个游戏描述了一个人（也就是玩家）无意中发现了一座被诅咒的城堡。接下来的剧情需要玩家来描绘。慎重考虑，得到最好的结果！

使用机器学习决策树模型预测泰坦尼克号生存率。泰坦尼克号数据集和可执行代码（在jupyter或python中运行），图表及解释也有，参考博客一起食用最佳。

生存分析最初是由精算和医学界开发并广泛应用的。 其目的是回答为什么现在发生事件而不是后来在不确定性下发生（事件可能指死亡，疾病缓解等）。 这对于对测量寿命感兴趣的研究人员非常有用：他们可以回答诸如哪些因素可能影响死亡的问题？ 但是，除了医学和精算科学外，生存分析还有许多其他有趣而激动人心的应用。 例如： SaaS提供商对衡量订户的生存期或采取某些第一行动的时间感兴趣 库存缺货是对商品真正“需求”的审查事件。 社会学家对衡量政党的一生，人际关系或婚姻感兴趣 A / B测试可确定不同组执行一项操作需要多长时间。 lifelines是生存分析的最佳部分的纯Python实现。 记录和生存分析简

哈伯曼乳腺癌生存分析：通过检测轴突结点的数量对乳腺癌进行生存分析

转型期中小企业生存的办法.ppt

生存模型 该存储库包含用于运行各种生存模型的 R 和 SAS 代码。 请参阅每个单独的文件以了解要求。 在运行这些程序之前，请转到 ftp://ftp.wiley.com/public/sci_tech_med/survival/ 并下载这些文件。 将它们存储在该数据目录下的子目录 wiley 中。 我没有在 git 存储库中包含 wiley 子目录，因为 (a) 我不需要，并且 (b) 我不想冒险与任何版权问题发生冲突。 此目录结构松散地基于 威尔逊等人。 足够好的统计计算实践。 PLoS Comput Biol 13(6)：e1005510。 bin 包含二进制文件（xlsx (Excel)、pptx (PowerPoint)、sas7bdat（SAS 数据）和 RData（R 数据）文件）。 data 包含文本数据文件。 doc 包含文档，对于这个存储库，它是数据文件夹中

使用深度学习进行生存分析 该存储库包含基于贝叶斯深度学习的文章，论文和用于生存分析的存储库。 文件 Rajesh Ranganath，Adler Perotte，David Blei等人进行的深度生存分析。 JMLR 2016 资料来源： : 生存筛选器：Rajesh Ranganath，Adler Perotte，David Blei等人的“潜在时间序列的联合生存分析”。 2015年，阿拉伯联合酋长国资料来源： : DeepSurv：使用Cox比例危害深层神经网络的个性化治疗推荐系统，作者：Jared Katzman，Uri Shaham，Jonathan Bates，Alexander Cloninger，Tingting Jiang，Yuval Kluger。 ACML 2016 资料来源： : 具有竞争风险的生存分析的深层多任务高斯过程，作者：Ahmed M. Alaa

生存分析中机器学习方法的仿真研究 在Weibull分布下或具有复杂基线风险（转折点）的情况下模拟生存时间，其中协变量对风险的线性或线性和非线性影响以及审查水平的变化。 将模拟数据集分为训练和测试数据集。 适合随机森林； 支持向量机将带有弹性网罚的Cox模型和受罚样条曲线（弹性参数）模型应用于训练数据集。 记录各种方法所需的时间。 使用训练数据集中的拟合模型预测测试数据集中的风险评分。 计算一致性指数，将测试数据集中的预测风险分数与观察到的审查状态和生存时间进行比较。