Учёные факультета вычислительной математики и кибернетики МГУ разработали библиотеку Survivors на Python для прогнозирования событий во времени — от выживаемости пациентов до износа оборудования.
Она использует методы машинного обучения, работая даже с неполными или цензурированными данными (например, когда оборудование сняли с эксплуатации до поломки). В отличие от классических подходов, Survivors не требует строгих статистических допущений и сложной предобработки, предлагая более точные и интерпретируемые прогнозы.
Библиотека уже протестирована на медицинских и промышленных данных, показав преимущество перед традиционными методами, такими как регрессия Кокса.
Её можно применять в CRM-аналитике (прогноз оттока клиентов), медицине (оценка рисков) и инженерии (мониторинг оборудования). Survivors доступна как open-source проект, что упрощает её внедрение в существующие системы.
Любопытный факт:
Цензурированные данные — не редкость: например, если пациент вышел из исследования, его история болезни считается «неполной». Survivors умеет работать с такими случаями, что раньше было слабым местом классической статистики.
Практичный совет:
Хотите попробовать библиотеку? Исходный код доступен в открытом доступе — можно протестировать на своих данных и сравнить с другими методами. Кто уже работал с подобными инструментами? Делитесь опытом!
💬 Обсуждаем в комментариях — какие события вам хотелось бы научиться предсказывать?