На факультете вычислительной математики и кибернетики МГУ разработана новая библиотека на Python под названием Survivors, предназначенная для анализа временных событий. Она позволяет эффективно прогнозировать вероятность наступления событий, учитывая сложные зависимости в данных, несмотря на наличие пропущенных и цензурированных значений. Разработка была опубликована в журнале «Moscow University Computational Mathematics and Cybernetics».
Анализ временных событий актуален в различных областях, включая медицину, промышленную диагностику и социальные исследования. Прогнозирование, например, времени отказа оборудования или оттока клиентов, играет ключевую роль. Unique особенностью является возможность работы с цензурированными наблюдениями, для которых неизвестно истинное время события. Однако существующие методы часто требуют строгих предположений и сложной предварительной обработки данных.
Библиотека Survivors интегрирует современные методы машинного обучения, что позволяет избежать многих недостатков традиционных решений. Инструменты библиотеки обеспечивают более детальные прогнозирования вероятности наступления события в любой момент времени, улучшая точность оценок.
Survivors также облегчает работу с реальными наборами данных, поддерживая как числовые, так и категориальные переменные, а также пропущенные значения. «Survivors позволяет проводить анализ без необходимой предварительной обработки данных, обеспечивая точные прогнозы», — поделился Юлий Васильев, сотрудник МГУ.
Кроме того, библиотека справляется с информативным цензурированием, когда уход наблюдений связан с определённой причиной (например, техобслуживание оборудования). Алгоритмы оптимизированы для больших объемов данных, что обеспечивает высокую вычислительную эффективность.
Модели деревьев выживаемости, реализованные в библиотеке, усиливают прогнозы за счет агрегации. В ходе тестирования на открытых наборах данных библиотека показала превосходство в стабильности и точности по сравнению с классическими методами.
Survivors может быть использована в различных областях: в медицине — для оценки рисков, в CRM — для расчета вероятности оттока, в промышленности — для мониторинга состояния оборудования. Благодаря гибкости и открытой лицензии, библиотека легко интегрируется в существующие системы анализа данных.
Информация предоставлена пресс-службой МГУ






