我正在使用Python生命线中的AalenAdditiveFitter构建一个预测模型,以预测事件是否会发生以及何时发生。在
T(时间)=月 C(event)=1表示是,0表示否
此外,我有8个属性,我正在使用。在
aaf = AalenAdditiveFitter(coef_penalizer=1., fit_intercept=True)
cx1 = aaf.fit(trainX.drop(['index'], axis=1), duration_col='T', event_col='C',show_progress=True)
我能够使用以下方法建立一个相对稳定的模型并获得累积危险概率:
^{pr2}$有没有办法直接从AalenAdditiveFitter程序中得到条件概率/边际概率?在
所以,在做了更多的挖掘之后,我可以假设以下情况吗?在
这是基于https://quant.stackexchange.com/questions/21816/cumulative-vs-marginal-probability-of-default上发布的答案
不确定这个解决方案是否如此简单,请帮助。在
如果你用你建议的方法来计算累积危险度,你就会得到h(t),危险度。h(t)确实是离散时间持续时间的条件概率。注意:对于连续的持续时间,h(t)是一个速率(例如,它可以大于1)。在
顺便说一句:我不记得Aalen的加法模型是否是半参数的。但是,如果是这样,累积危险只会在我们看到故障的月份发生变化。它不会影响你的(上个月)计算,任何差异都将是0,这是通常情况下,半参数工期模型,当我们观察到没有失败。在
如果你想节省计算能力,你可以取一次失效的累积危险度(称之为tаk),并从上次失效前的累积危险度中减去(称之为tаk-1)。你得到的答案是一样的,一旦你把新的量告诉你:如果累积危险在t_k-1和t之间变化那么大,而半参数危险(因此,累积危险也)只有在我们看到故障时才会更新,那么任何时间点落在tˉk-1和t之间的危险度必须为0。在
相关问题 更多 >
编程相关推荐