Cox 節點

「Cox 迴歸」為時間對事件資料建置預測模型。該模型會產生一個存活函數，以預測針對預測值變數的給定值，感興趣事件在給定時間 t 的發生機率。存活函數的形狀及預測值的迴歸係數是根據所觀察受試者進行預估的；該模型隨後可以套用至具有預測值變數測量值的新觀察值。

請注意，受限受試者（即在觀察時段未經歷感興趣事件的那些受試者）中的資訊對於預估模型非常有用。

範例。為了減少客戶流失，電信公司有興趣建模流失時間，以判定與快速切換至其他服務的客戶相關聯的因素。為此，選取了一個隨機的客戶樣本，並且從資料庫中抽取了他們作為客戶的時間（無論他們是否仍為活躍客戶）以及各種人口統計欄位。

需求。您需要一個或多個輸入欄位，只需一個目標欄位，且必須在 Cox 節點中指定存活時間欄位。應該對目標欄位進行編碼，以便 "false" 值表示存活， "true" 值表示已發生相關事件; 它必須具有測量層次 Flag，並儲存字串或整數。（必要的話，可以使用「填入器」或「衍生」節點來轉換儲存體。）會忽略設為 Both 或 None 的欄位。模型中所用的欄位必須已完全實例化其類型。存活時間可以是任意數值欄位。

附註: 為 Cox 迴歸模型評分時，如果使用類別變數中的空字串作為模型建置的輸入，則會報告錯誤。請避免使用空字串作為輸入。

日期和時間。「日期和時間」欄位不能直接用於定義存活時間；如果有「日期和時間」欄位，那麼應根據輸入研究的日期和觀測日期之間的差分，使用這些欄位建立包含存活時間的欄位。

Kaplan-Meier 分析。可以在沒有輸入欄位的情況下執行 Cox 迴歸。這等效於 Kaplan-Meier 分析。