Один из ключевых инструментов для описания и предсказания возникновения событий анализ выживаемости, который позволяет прогнозировать не только вероятность и время событий, но и изменение вероятности во времени. В данной статье представлена библиотека Survivors на языке Python с открытым исходным кодом, которая помогает решать задачи анализа выживаемости, строить индивидуальные прогнозы функции выживания и риска, исследовать зависимости в данных, оценивать качество прогнозов и проводить экспериментальные исследования. Библиотека использует современные методы построения древовидных моделей анализа выживаемости с высокой чувствительностью к реальным данным. В частности, в работе представлен новый гистограммный подход поиска разбиений для данных с цензурированием. Модели способны обрабатывать категориальные и пропущенные значения, случаи информативности цензурирования и мультимодального распределения времени. В работе описывается архитектура и компоненты библиотеки, особенности программной реализации и экспериментальное сравнение с существующими библиотеками анализа выживаемости.
Ключевые слова:
анализ времени событий, анализ выживаемости, цензурированные данные, Python
