Análisis de Supervivencia con scikit-survival
Toolkit completo para análisis de supervivencia y modelado de tiempo hasta evento en Python usando scikit-survival. Cubre modelos Cox, Random Survival Forests, Gradient Boosting, SVMs de supervivencia, métricas de evaluación y análisis de riesgos competitivos.
Descarga abierta · sin registro · para Python, scikit-learn, scikit-survival
// qué_hace
Proporciona guías, flujos de trabajo y código de referencia para realizar análisis de supervivencia con datos censurados usando la librería scikit-survival de Python.
// cómo_lo_hace
Documenta modelos Cox, métodos ensemble (RSF, GBS), SVMs de supervivencia y métricas especializadas (C-index, Brier score, AUC temporal) con ejemplos de código completos y árboles de decisión para selección de modelos.
// ejemplo_de_uso
Úsala cuando tengas datos con eventos que no siempre ocurren (bajas, fallos, compras) y necesites estimar probabilidades en el tiempo. Ej.: modelar la probabilidad de churn mensual de clientes SaaS usando un modelo Cox con variables de uso del producto.
// plataformas
// opiniones_de_la_comunidad
Opiniones
Cargando opiniones…
// pase_cultiva_ia
Llévate todo el arsenal con el Pase
Todas las skills, prompts y automatizaciones del catálogo en un único archivo, listas para usar: un pago, acceso de por vida y las novedades que añadamos. Sin suscripción.
Pago único · IVA incluido · pago seguro con Stripe.
Acceso inmediato · si no es lo que esperabas, te devolvemos los 10 €.