Python을 이용한 Logistic regression (Google Colab)

[강성찬]

logit_lung.ipynb

37.60KB

저번 생존분석 때 lung.csv 데이터를 다시 활용해서 logistic regression을 돌려보고자 합니다.

데이터 인용은 저번에 보신대로 (https://medium.com/the-researchers-guide/survival-analysis-in-python-km-estimate-cox-ph-and-aft-model-5533843c5d5d )에 다음과 같이 나와있습니다.

Data Source: Loprinzi CL. Laurie JA. Wieand HS. Krook JE. Novotny PJ. Kugler JW. Bartel J. Law M. Bateman M. Klatt NE. et al. Prospective eval‎uation of prognostic variables from patient-completed questionnaires. North Central Cancer Treatment Group. Journal of Clinical Oncology. 12(3):601–7, 1994.

여기서는 time(생존시간)을 사용하지 않고 status(1=censored, 2=event('deat'))에서 1을 뺀 상태로 해보겠습니다. 성별도 (male=1, female=2)에서 1을 빼고 female이란 이름을 붙였습니다. ph.ecog는 의사가 판단한 점수로 0이 정상이고 1은 증상 있으나 보행가능, 2는 하루 50% 미만을 침상에서 보냄, 3은 하루 50%이상 침상에 있지만, 누워있지는 않음, 4 온종일 누워있음.

ph.karno는 의사가 평가한 Karnofsky 점수로 0이 가장 나쁘고 100이 좋습니다. pat.karno는 환자 스스로 평가한 Karnofsky 점수입니다. meal.cal은 식사에서 섭취한 칼로리, wt.loss는 체중감소를 의미합니다.

데이터를 불러오겠습니다.

data load

뒤에서 설명변수를 넣을 때 "."있으면 파이썬에서 잘못 인식하고 오류가 날 수 있어서 "_"로 바꾸고, status도 0,1, 성별도 1을 빼서 0(남자), 1(여자)로 하고 female이란 이름을 붙였습니다. "데이터셋".dropna()는 결측값이 있는 행을 삭제합니다. 이 경우 meal.cal에 결측값이 제일 많은 관계로 설명변수에서 제외시켰습니다.

data manipulation

lung data with no NA cases

statsmodels.formula.api를 불러오면 그 안에 있는 .logit(formula=, data=) 함수가 R과 비슷한 식으로 모형을 설정합니다.

결과는 .fit()에 있는 결과를 print()로 출력합니다.

import statsmodels.formula.api as smf

form = 'status ~ age + female +wt_loss + ph_ecog + ph_karno'

logit_model = smf.logit(formula = form, data=data1)

result = logit_model.fit()

print(result.summary() )

logistic regression with statmodels

결과변수 status의 0,1이 생존/사망을 나타내므로 계수 값이 양수일수록 안좋은 영향을 나타냅니다. p값 0.05미만 기준으로 유의한 변수는 여성, ph_ecog(침상에 누워있는 상태)인데 여성이 상대적으로 생존 가능성이 높고 침상에서 생활하지 않을수록 사망위험이 작은 것으로 해석해볼 수 있겠습니다.

오즈비는 추정된 계수에 numpy의 함수 np.exp()를 가지고 변환합니다.

Odds ratio

sklearn에서도 로지스틱 회귀분석이 가능합니다. 

linear_model.LogisticRegression().fit(X, y)와 같이 지정해주면 됩니다. sklearn에서는 statmodels와 달리 종속변수나 독립변수에 NA가 하나라도 있으면 실행이 되지 않습니다.

logistic regression with sklearn

추정된 결과의 계수 값은 같습니다.

logistic regression parameter estimates with sklearn

[안재형]

오~ 생각보다 간단하네요^^