心衰预测 根据患者的医学和临床指标预测其生存和死亡率 用于该分析和建模的数据集是从Kaggle网站下载的。 归功于数据集作者： Davide Chicco，Giuseppe Jurman：机器学习可以仅凭血清肌酐和射血分数来预测心力衰竭患者的存活率。 BMC Medical信息学和决策制定20，16（2020） 。 数据集可以根据Attribution 4.0 International（CC BY 4.0）的许可证自由共享和使用。 注意：如果笔记本无法打开，请使用。

医学生存分析 在这个项目中，我们使用生存数据以及线性和非线性技术的组合来开发风险模型。 该数据集包含原发性胆汁性肝硬化（pbc）患者的生存数据。 PBC是肝脏的一种自身免疫性疾病，由肝脏内胆汁的堆积（胆汁淤积）引起，导致胆汁从肝脏排出的小胆管受损。 目的是了解不同因素对患者生存时间的影响。 在此过程中，它涵盖了以下主题： 考克斯比例危害解释考克斯模型 生存模型评估 随机生存森林 个人生存功能

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