Quy trình phân tích sống còn với scikit-survival
Skill chuyên sâu giúp huấn luyện, đánh giá và báo cáo mô hình phân tích sống còn (dữ liệu kiểm duyệt phải, rủi ro cạnh tranh) bằng scikit-survival mà không rò rỉ dữ liệu.
Dữ liệu · Phân tíchNâng cao★ 33,030⑂ 3,248Điểm AI 8/10Cập nhật lần cuối: 9 thg 8, 2026
Skill này làm gì
- Hướng dẫn tạo biến kết cục đúng chuẩn: mảng có cấu trúc (event bool, time float) qua
Surv.from_arrays; với rủi ro cạnh tranh dùng vector số nguyên 0=kiểm duyệt, 1..K=nguyên nhân. - Bắt buộc pipeline chống rò rỉ dữ liệu: chia tập trước, mọi bước impute/encode/scale nằm trong pipeline, tinh chỉnh siêu tham số bằng nested CV hoặc holdout chưa từng dùng.
- Chọn mô hình có cơ sở: Cox PH, Coxnet (LASSO/elastic-net), IPCRidge (AFT), Random Survival Forest, Gradient Boosting, Survival SVM — kèm ý nghĩa và giới hạn của từng loại dự đoán.
- Hợp đồng metric rõ ràng: Uno C và dynamic AUC nhận điểm rủi ro (càng cao càng nguy hiểm), Brier/IBS nhận xác suất sống còn dạng
(n_test, n_times); phân phối kiểm duyệt chỉ được ước lượng từ tập huấn luyện. - Tính hàm tích lũy biến cố (CIF) cho rủi ro cạnh tranh và tránh lỗi phổ biến dùng
1 - Kaplan-Meier. - Kèm các CLI cục bộ (kiểm tra CSV, huấn luyện, đánh giá, CIF, sinh báo cáo Markdown), không gọi mạng.
Phù hợp với ai
- Nhà khoa học dữ liệu, thống kê sinh học làm việc với dữ liệu y tế, dịch tễ, thử nghiệm lâm sàng.
- Kỹ sư ML dự đoán "thời gian đến sự kiện": churn, hỏng hóc thiết bị, tái phát bệnh.
- Người cần quy trình đánh giá minh bạch, có thể tái lập để đưa vào báo cáo hoặc bài báo.
Ví dụ sử dụng
- "Từ file CSV bệnh nhân, huấn luyện Cox PH và xuất báo cáo gồm Uno C, dynamic AUC, IBS" → validate → train/tune → evaluate →
model-report.md. - "Dữ liệu gen chiều cao: dùng Coxnet chọn đặc trưng rồi vẽ đường sống còn" → đặt
fit_baseline_model=True, chọnl1_ratio/alpha bằng nested CV. - "Tính tỷ lệ biến cố tích lũy theo từng nguyên nhân khi có nhiều nguyên nhân tử vong" → mã hóa status nguyên rồi gọi
cumulative_incidence_competing_risks.
· · · Hướng dẫn cài đặt · · ·
Dùng thử ngay, không cần cài
Dán đoạn dưới vào Claude là dùng được skill này mà không cần cài đặt.
Hãy đọc hướng dẫn trong tệp này và làm theo để giúp mình: https://raw.githubusercontent.com/K-Dense-AI/scientific-agent-skills/HEAD/skills/scikit-survival/SKILL.md Mình muốn: (viết việc bạn cần ở đây)
Nếu Claude không mở được liên kết, hãy mở liên kết và copy nội dung vào rồi dán.
↓ Thấy hữu ích thì tải ZIP bên dưới và cài. Sau đó skill tự chạy, không phải dán lại mỗi lần.
Cài vào ứng dụng Claude (không cần terminal)
- Tải tệp ZIP bằng nút bên dưới.
- Trong Claude, mở Settings → Capabilities và bật 'Code execution and file creation'. (chỉ một lần)
- Vào Customize → Skills → + → 'Upload a skill' rồi tải tệp ZIP lên.
Cài vào Claude Code
Để Claude làm — dán câu dưới đây vào Claude Code
Hãy cài skill mình tìm thấy trên Claude Skill Mart. Copy thư mục skills/scikit-survival từ repo GitHub K-Dense-AI/scientific-agent-skills vào ~/.claude/skills/scikit-survival/ của mình. Sau khi cài xong, cho mình biết skill này làm được gì trong một câu.
Cài bằng lệnh thủ công
git clone https://github.com/K-Dense-AI/scientific-agent-skills.git && mkdir -p ~/.claude/skills && cp -r scientific-agent-skills/skills/scikit-survival ~/.claude/skills/⚠ Đây là skill do người khác tạo. Hãy kiểm tra repo gốc trước khi cài.
- Mở terminal và chuyển đến thư mục làm việc.
- Clone repo:
git clone https://github.com/K-Dense-AI/scientific-agent-skills.git - Tạo thư mục skill:
mkdir -p ~/.claude/skills - Sao chép skill:
cp -r scientific-agent-skills/skills/scikit-survival ~/.claude/skills/ - Chuẩn bị môi trường Python (cần uv, Python 3.11+):
uv venv --python 3.11 && source .venv/bin/activate - Cài bộ phiên bản đã kiểm chứng:
uv pip install "scikit-survival==0.28.0" "scikit-learn==1.9.0"(xem danh sách pin đầy đủ trong SKILL.md). - Khởi động lại Claude Code, thử yêu cầu "phân tích sống còn với scikit-survival" để kiểm tra skill đã hoạt động.
- Lưu ý: scikit-survival gốc dùng giấy phép GPL-3.0, hãy kiểm tra trước khi phân phối lại.
Xem mã nguồn trên GitHub ↗Giấy phép: MIT