用于深度学习和生存分析的deep-cox比例危险网络。
deepsurv的Python项目详细描述
deepsurv使用theano和lasagne实现了cox比例风险模型的深度学习推广。
deepsurv比传统的cox回归有优势,因为它不需要预先选择协变量,而是自适应地学习它们。
deepsurv可用于多种生存分析应用。提供了一个医疗应用,推荐治疗,为一组患者观察提供治疗建议。
安装:
依赖关系:
Theano、千层面、生命线、matplotlib(用于可视化)以及它们各自的依赖项。
安装:
您可以使用
安装deepsurvpip install deepsurv
从命令行。
运行测试:
安装后,您可以选择使用
py.test
在模块主目录中的命令行中。
培训网络:
训练deepsurv可以在几条线上完成。 首先,您只需准备数据集,使其具有以下键:
{ 'x': (n,d) observations (dtype = float32), 't': (n) event times (dtype = float32), 'e': (n) event indicators (dtype = int32) }
然后准备一个超参数字典。训练一个网络只需要两条线路:
network = deepsurv.DeepSurv(**hyperparams) log = network.train(train_data, valid_data, n_epochs=500)
然后,您可以在测试数据时评估其成功性:
network.get_concordance_index(**test_data) >> 0.62269622730138632
如果安装了matplotlib,则可以在训练网络后可视化训练和验证曲线:
deepsurv.plot_log(log)
许可证:
麻省理工学院许可证
版权所有(c)2016,Jared Katzman
兹免费准许任何人取得副本 本软件和相关文档文件(“软件”)的 在软件中不受限制,包括但不限于 使用、复制、修改、合并、发布、分发、再授权和/或出售 软件的副本,并允许接受软件的人员 在满足以下条件的情况下,可以这样做:
上述版权公告及本许可公告须包括在 软件的拷贝或大部分。
本软件按“原样”提供,无任何形式的保证,明示或 默示的,包括但不限于适销性保证, 适合特定目的和不侵权。在任何情况下 作者或版权所有者应对任何索赔、损害或其他 责任,无论是在合同诉讼、侵权诉讼或其他诉讼中, 不属于或与本软件有关,或使用或与本软件的其他交易有关。 软件。