sebp/scikit-survival

해결하는 문제

생존 분석(또는 시간-이벤트 분석, 신뢰성 분석이라고도 함)을 위한 도구를 제공합니다. 이는 공변량과 사건 발생 시간 사이의 관계를 설정하는 데 사용됩니다. 전통적인 머신러닝과 달리, 연구 기간 동안 발생하지 않았거나 관찰되지 않은 '절단 데이터(censored data)'를 특별히 다룹니다.

작동 방식

scikit-learn 위에 구축되어 있으며, 생존 분석 모델을 익숙한 머신러닝 파이프라인에 통합합니다. 이를 통해 사용자는 데이터 전처리 및 교차 검증에 scikit-learn의 기존 기능을 활용하면서도, 절단 관측치를 고려한 전용 모델을 적용할 수 있습니다.

대상 사용자

임상 연구나 신뢰성 공학 분야에서 절단 기록을 포함한 시간-이벤트 데이터를 분석해야 하는 데이터 과학자 및 연구자들입니다.

주요 특징

• 머신러닝 파이프라인과의 원활한 통합을 위해 scikit-learn 위에 구축됨.
• 오른쪽 절단 데이터를 특별히 설계하여 처리.
• 다양한 생존 모델과 데이터 전처리 및 교차 검증 도구 제공.