Cox 节点

Cox 回归为时间事件数据建立预测模块。该模块生成生存函数用于为预测变量的给定值预测被观察事件在给定时间内 t 发生的概率。从观察主体中估计预测的生存函数形状与回归系数；该方法稍后可应用于具有预测变量测量的新个案。注意，已检查主体中的信息，即未在观察时间内经历被观察事件的信息，为模块估计做出巨大贡献。

示例。作为其减少客户流失所做工作的一部分，电信公司对“流失时间”很感兴趣，借此他们可以确定哪些因素导致客户在很短的时间内更换使用其他电信服务。为此，选择了一个随机的客户样本，并且从数据库中抽取了他们作为客户的时间（无论他们是否仍为活跃客户）以及各种人口统计字段。

需求。您需要一个或多个输入字段，只需一个目标字段，且必须在 Cox 节点中指定生存时间字段。应对目标字段进行编码，使得“false”值表示生存时间，“true”值表示感兴趣事件已发生；目标字段的测量级别必须为标志，且带有字符串或整数存储。（如有必要，可以使用过滤节点或导出节点转换存储类型。）设置为双向或无的字段将被忽略。必须对模型中使用的字段的类型完全实例化。生存时间可以是任意数字字段。

注：在对“Cox 回归”模型进行评分时，如果分类变量中的空字符串用作模型构建的输入，那么将报告错误。请避免使用空字符串作为输入。

日期和时间。“日期和时间”字段不能直接用于定义生存时间；如果有“日期和时间”字段，那么应根据输入研究的日期和观测日期之间的差值，使用这些字段创建包含生存时间的字段。

Kaplan-Meier 分析。可以在没有输入字段的情况下执行 Cox 回归。这等效于 Kaplan-Meier 分析。