Survival Analysis and Event Time Modeling with R

การทำความเข้าใจว่าเหตุการณ์จะเกิดขึ้นเมื่อใดเป็นทักษะที่สำคัญในสาขาต่างๆ ตั้งแต่การแพทย์ วิศวกรรม ไปจนถึงการเงินและสังคมศาสตร์ ไม่ว่าคุณจะเรียกมันว่าการวิเคราะห์ระยะเวลา การวิเคราะห์ความน่าเชื่อถือ หรือการสร้างแบบจำลองเวลาที่เกิดเหตุ ความสามารถในการคาดการณ์ผลลัพธ์เมื่อเวลาผ่านไปเป็นสิ่งจำเป็นสำหรับผู้เชี่ยวชาญด้านข้อมูลสมัยใหม่ หลักสูตรนี้นำเสนอเส้นทางที่มีโครงสร้างสำหรับการวิเคราะห์ข้อมูลที่ประทับเวลาโดยใช้ R โดยเปลี่ยนข้อมูลดิบให้เป็นข้อมูลเชิงลึกทางสถิติที่นำไปปฏิบัติได้ คุณจะได้เปลี่ยนจากการเรียนรู้คำศัพท์พื้นฐานไปสู่การใช้แบบจำลองที่ซับซ้อนซึ่งจัดการกับความท้าทายเฉพาะของข้อมูลการรอดชีวิต เช่น การเซ็นเซอร์และช่วงเวลาที่แตกต่างกัน สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจแนวคิดหลัก รวมถึงการเซ็นเซอร์ อัตราอันตราย และฟังก์ชันการรอดชีวิต - ใช้ตัวประมาณค่า Kaplan-Meier เพื่อประมาณและเปรียบเทียบความน่าจะเป็นของการรอดชีวิต - ทำการทดสอบ logrank เพื่อระบุความแตกต่างที่มีนัยสำคัญระหว่างกลุ่ม - สร้างและตีความแบบจำลอง Cox proportional hazards ด้วยตัวแปรร่วมหลายตัว - ใช้ survival trees เป็นแนวทาง machine learning สมัยใหม่สำหรับข้อมูลระยะเวลา - ทำความสะอาดและเตรียมข้อมูลวันที่และเวลาที่ซับซ้อนโดยใช้แพ็คเกจ lubridate - ระบุและจัดการค่าที่ขาดหายไปและค่าผิดปกติเพื่อให้แน่ใจว่าแบบจำลองมีความน่าเชื่อถือ หลักสูตรเริ่มต้นด้วยคำจำกัดความพื้นฐานและโครงสร้างข้อมูลเฉพาะที่จำเป็นสำหรับการวิเคราะห์การรอดชีวิต จากนั้นคุณจะก้าวหน้าผ่านการสร้างแบบจำลองแบบไม่ใช้พารามิเตอร์และแบบกึ่งพารามิเตอร์ ก่อนที่จะสำรวจขั้นตอนการประมวลผลข้อมูลขั้นสูงและการประยุกต์ใช้ machine learning สมัยใหม่สำหรับข้อมูลเวลาที่เกิดเหตุ หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้นด้านสถิติหรือ data science ที่คุ้นเคยกับ R syntax พื้นฐาน แต่ยังใหม่กับการวิเคราะห์ระยะเวลาและความน่าเชื่อถือ ไม่จำเป็นต้องมีประสบการณ์มาก่อนในการสร้างแบบจำลองการรอดชีวิต เริ่มสร้างแบบจำลองการรอดชีวิตที่แข็งแกร่งเพื่อแก้ปัญหาเกี่ยวกับระยะเวลาในโลกแห่งความเป็นจริงได้แล้ววันนี้