6-3生存分析在快手的应用(1).pdfVIP

2021 | ⽣存分析在快⼿的应⽤ ⾼梓尧 - 快⼿数据科学总监 生存分析在快手 的应用 快手数据分析部 – 高梓尧 为什么选择 ⽣存分析 描述⽤户活跃度 DAU的局限性 ⽤户的⾏为随时间推移陆续发⽣，发⽣时间的快慢能为分析决策提供重要的信息，但 DAU只体现了⼀定时间窗⼝内⽤户留存的结果，并未描述重要的时间信息 举例: A和B均有100万DAU，但A⽤户每隔4⼩时使⽤⼀次(每天6个sessions)，B⽤户每 隔6⼩时使⽤⼀次(每天4个sessions)，谁的⽤户活跃度更⾼？ 为什么选择⽣存分析 ⼀般回归模型处理的是截⾯数据，只关注事件的结果(⽤户是否使⽤APP) ⽣存分析既关注事件结果(⽤户使⽤APP与否)，⼜将事件发⽣的时间纳入了分析框架，能 够有效刻画事件随时间变化的规律 ⽣存分析概述 快⼿内部⽂件，该⽂件属于快⼿的财产；因此，未经允许不得复制或散发。 KuaiShou Confidential. This confidential document is the property of Kwai Corp.; Therefore, Shall not be copied or circulated without permission ⽣存分析基本概念 ⽣存分析是研究TIME-TO-EVENT DATA，直到发⽣⼀个或多个事件的预期持续时间的⼀系 列统计分析⽅法。取名⽣存分析是因为最早被医学领域采⽤，研究病⼈从诊断出癌症后使⽤不 同药物治疗后的死亡时间。 概念 • 事件(event): 死亡，疾病发⽣，合约终⽌ • ⽣存时间(t): 从观察期开始（例如⼿术或开 始治疗）到事件发⽣的时间 • 删失(censorship): 在观察期间内(last follow-up)没有观测到事件发⽣ • ⻛险中的数量：在观察期内可追踪其状态且 未发⽣事件的对象数量 数据特征 • 非负，离散型，非连续型 • 删除missing data - Partial information • Moments for survival data: mean or median - 半衰期 ⽣存分析基本概念 ⽣存函数：对于观察时间窗内的任意时刻t 其中F(t)代表⽣存时间的累 （t0），⽣存函数反映的是研究对象到该时刻仍 积分布函数，表示事件发⽣ 时间未超过时刻t的概率。 未发⽣事件的概率。 ⻛险函数：指的是在时间t之前未发⽣任何事件⽽ 其f(t)代表⽣存时间的概率密度函数 恰好在时间t发⽣事件的概率，也称为条件死亡概 率。 累计⻛险函数：刻画⽣存时间不超过某个时间 点的概率。 ⼏个函数间的关系： ⽣存函数的刻画 参数⽅法： 假定⽣存时间符 非参数法：不对数据分布 合某种分布(指数分布、威布 做任何假设，⽽是直接⽤ 尔分布、对数正态分布等)， 概率乘法定理估计⽣存 根据样本观测值来估计假定分 率，常⻅⽅法有Kaplan- 布模型中的参数，以获得⽣存 Meier曲线，Nelson- 时间的概率密度模型 Aalen累计⻛险曲线 ⽣存函数的刻画 - KM曲线 假设我们有共k个观测