01Overall Concept
ไอเดียหลัก — Cox model เชื่อม covariates กับ hazard ratio แบบกึ่งพารามิเตอร์ ใช้ partial likelihood ประมาณ coefficients โดยไม่ต้องกำหนดรูป baseline hazard
ลองนึกภาพว่า — เหมือนเปรียบเทียบความเร็วที่ผู้เข้าแข่งขันออกจากสนาม แม้บางคนยังแข่งขันอยู่เมื่อหยุดเก็บข้อมูลก็ยังใช้เวลาที่เห็นได้
ตัวอย่างการนำไปใช้ — เวลารอดชีวิต เวลาลูกค้ายกเลิก เวลาเครื่องจักรเสีย และ time-to-event ที่มี censoring
02อธิบายภาษาคนเข้าใจง่ายๆ
Cox Proportional Hazards เริ่มจากคำถามง่าย ๆ ว่า เปรียบเทียบอัตราเกิดเหตุการณ์โดยยังใช้ข้อมูลที่ติดตามไม่ถึงเหตุการณ์ วิธีนี้ไม่ได้มองข้อมูลทุกชนิดเหมือนกัน จึงต้องเตรียมข้อมูลให้ตรงกับสิ่งที่อัลกอริทึมใช้คำนวณ
เหมือนเปรียบเทียบความเร็วที่ผู้เข้าแข่งขันออกจากสนาม แม้บางคนยังแข่งขันอยู่เมื่อหยุดเก็บข้อมูลก็ยังใช้เวลาที่เห็นได้ ภาพเปรียบเทียบนี้ช่วยจำแก่นของวิธี แต่ตอนใช้งานจริงคอมพิวเตอร์ทำงานกับตัวเลขและกฎที่กำหนดไว้อย่างชัดเจน
Cox model เชื่อม covariates กับ hazard ratio แบบกึ่งพารามิเตอร์ ใช้ partial likelihood ประมาณ coefficients โดยไม่ต้องกำหนดรูป baseline hazard พารามิเตอร์หลักใน Playground คือ Penalizer เมื่อเลื่อนค่า ระบบจะคำนวณผลใหม่จากข้อมูลชุดเดิม จึงเปรียบเทียบการเปลี่ยนแปลงได้ตรง ๆ
ข้อมูลตัวอย่างบนหน้าใช้รูปแบบ 60 ราย · time > 0 · event 0/1 เราแยกสิ่งที่อัลกอริทึมรับเข้าออกจากผลลัพธ์ เพื่อไม่เผลอส่งข้อมูลคำตอบหรือข้อมูลอนาคตเข้าไปตอนฝึก
งานที่เหมาะ เช่น เวลารอดชีวิต เวลาลูกค้ายกเลิก เวลาเครื่องจักรเสีย และ time-to-event ที่มี censoring ก่อนใช้จริงควรกำหนด metric ที่สัมพันธ์กับเป้าหมาย แล้วเปรียบเทียบกับวิธีพื้นฐานที่ง่ายกว่า
ภาพจำ: hazard ratio 1.5 หมายถึงอัตราเหตุการณ์ ณ ขณะหนึ่งสูงขึ้น 50% พร้อมจำข้อจำกัดสำคัญว่า สมมติ hazard ratio คงสัดส่วนตามเวลา censoring ต้องไม่ให้ข้อมูลแฝงที่ผิดสมมติฐาน และ association ไม่พิสูจน์เหตุผล
03How it works
ค่อยๆ ทำไปด้วยกัน ตั้งแต่ข้อมูลแถวแรกจนถึงการตรวจคำตอบ
เตรียมข้อมูลให้ตรงโจทย์
duration event indicator และ covariates ต่อบุคคลหรือหน่วยทดลอง ตรวจค่าที่หาย หน่วยของแต่ละคอลัมน์ และแยกข้อมูลประเมินก่อนเรียนรู้พารามิเตอร์จากข้อมูล
ตั้งค่าที่ควบคุมพฤติกรรม
ใช้ penalizer เพื่อหด coefficients เพื่อความเสถียร และบันทึกค่าเริ่มต้นหรือ random seed เมื่อวิธีมีการสุ่ม เพื่อให้ทำซ้ำและเปรียบเทียบได้
คำนวณแก่นของวิธี
เรียง event times และสร้าง risk set จากนั้น คำนวณ partial likelihood จากผู้ที่ยังเสี่ยง Playground ใช้ข้อมูลสาธิตชุดเดิมทุกครั้งเพื่อให้เห็นผลของ slider โดยไม่ถูกความสุ่มกลบ
สร้างผลลัพธ์ที่นำไปอ่านได้
ประมาณ β และแปลงเป็น hazard ratio exp(β) ผลที่ได้คือ hazard ratios survival curves และ partial likelihood ตัวเลขหรือกลุ่มที่ได้ยังต้องตีความร่วมกับบริบทของข้อมูล
ตรวจว่าคำตอบใช้ได้จริง
เปรียบเทียบหลายค่าของ penalizer ด้วย metric ที่เหมาะ ดูทั้งผลรวมและกรณีที่พลาด แล้วทดสอบกับข้อมูลที่ไม่ใช้ปรับค่า โดยคำนึงถึงข้อจำกัดว่า สมมติ hazard ratio คงสัดส่วนตามเวลา censoring ต้องไม่ให้ข้อมูลแฝงที่ผิดสมมติฐาน และ association ไม่พิสูจน์เหตุผล
ข้อมูล พารามิเตอร์ และภาพรวมการคำนวณ
penalizerl1_ratiostrataข้อมูลที่รับเข้ามา
duration event indicator และ covariates ต่อบุคคลหรือหน่วยทดลอง
60 ราย · time > 0 · event 0/1พารามิเตอร์ที่ใช้
- penalizer
- หด coefficients เพื่อความเสถียร
- l1_ratio
- ผสม L1 กับ L2 penalty
- strata
- แยก baseline hazard ตามกลุ่ม
ผลลัพธ์ที่ได้
hazard ratios survival curves และ partial likelihood
hazard ratio 1.5 หมายถึงอัตราเหตุการณ์ ณ ขณะหนึ่งสูงขึ้น 50%คำนวณทีละขั้น
- 01
เรียง event times และสร้าง risk set
- 02
คำนวณ partial likelihood จากผู้ที่ยังเสี่ยง
- 03
ประมาณ β และแปลงเป็น hazard ratio exp(β)
ควรรู้อีกนิด — สมมติ hazard ratio คงสัดส่วนตามเวลา censoring ต้องไม่ให้ข้อมูลแฝงที่ผิดสมมติฐาน และ association ไม่พิสูจน์เหตุผล
04Make it yours
# ติดตั้ง: pip install pandas lifelinesimport pandas as pdfrom lifelines import CoxPHFitter data = pd.read_csv("cox-proportional-hazards-sample.csv")model = CoxPHFitter(penalizer=0.2)model.fit(data, duration_col="duration", event_col="event")print(model.summary[["coef", "exp(coef)", "p"]])print("Concordance:", model.concordance_index_)โค้ดเปลี่ยนตามค่าที่เลือกใน Playground · แต่ละภาษาใช้ข้อมูลตัวอย่างตามที่ระบุในโค้ด
05Learn by playing
ปรับ Penalizer แล้วสังเกตรูปแบบคำทำนายและตัวชี้วัดที่คำนวณใหม่ทันที
Playground เป็น implementation เพื่อการเรียนรู้ที่คำนวณในเบราว์เซอร์ ส่วนโค้ด Python ใช้ lifelines จึงอาจให้ค่าต่างกันเล็กน้อยจากรายละเอียดการ optimize และค่าเริ่มต้นของไลบรารี ผลนี้ไม่ใช่ benchmark บนข้อมูลจริง