如何解释PySurvival的predict_survival输出？

Question

我使用PySurvival的CoxPH模型构建了一个模型，然后运行predict_survival函数来检查其输出。下面是它在使用以下参数调用predict_survival函数后打印其结果时提供的输出示例：

coxph = CoxPHModel()
coxph.fit(train_X, train_T, train_E, lr=0.5, l2_reg=1e-2, init_method='zeros')

 [9.96254322e-001 9.86763222e-001 9.47647159e-001 6.05518522e-001
  3.54227963e-001 7.71126785e-002 2.95367274e-022 0.00000000e+000
  0.00000000e+000 0.00000000e+000 0.00000000e+000 0.00000000e+000
  0.00000000e+000 0.00000000e+000 0.00000000e+000 0.00000000e+000
  0.00000000e+000 0.00000000e+000 0.00000000e+000]

就我的理解而言，上述数组中的每个数字都是一个百分比，表示我在某一日期发生感兴趣事件的概率，但我不明白该日期与数组的关系是什么，也不知道如何在与测试输入不同的输入上外推此信息来运行它。而且，每个由生存函数输出的数组只包含15个元素，而概率几乎总是在第10个元素左右达到0。我只是不知道如何才能最好地解释这些数据，这样我就可以在其他地方使用结果。

Answer 1

您的训练数据的生存时间最长为15天。因此，它学习15天的生存概率，并相应地输出。

根据资料的情况，第10天似乎有0的存活机会。