Специалисты из Московского государственного университета создали на Python библиотеку под названием Survivors, предназначенную для анализа событий с временной зависимостью, моменты наступления которых точно не определены. Она дает возможность предсказывать вероятность исходов, например, возможность выздоровления больного через шесть месяцев. Ключевым достоинством является устойчивость к неполным и запутанным данным, в отличие от аналогов, требующих исчерпывающей информации. Библиотека прошла успешную проверку на медицинских и производственных наборах данных, продемонстрировав отличную точность и надежность. Разработка найдет применение в социологических исследованиях, промышленности и медицине.
Специалисты из Московского государственного университета создали на Python библиотеку под названием Survivors, предназначенную для анализа событий с временной зависимостью, моменты наступления которых точно не определены. Она дает возможность предсказывать вероятность исходов, например, возможность выздоровления больного через шесть месяцев.
Ключевым достоинством является устойчивость к неполным и запутанным данным, в отличие от аналогов, требующих исчерпывающей информации. Библиотека прошла успешную проверку на медицинских и производственных наборах данных, продемонстрировав отличную точность и надежность. Разработка найдет применение в социологических исследованиях, промышленности и медицине.