用途：scikit-survival 是构建在 scikit-learn 之上的 Python 生存分析库，用于建立协变量与事件发生时间之间的关系，并处理删失数据（如右删失、左删失、区间删失）。
主要能力：提供 Cox 比例风险模型（CoxPHSurvivalAnalysis、CoxnetSurvivalAnalysis、IPCRidge）、集成模型（RandomSurvivalForest、GradientBoostingSurvivalAnalysis、ComponentwiseGradientBoostingSurvivalAnalysis、ExtraSurvivalTrees）、生存支持向量机（FastSurvivalSVM、FastKernelSurvivalSVM、HingeLossSurvivalSVM、ClinicalKernelTransform），以及非参数估计（kaplan_meier_estimator、nelson_aalen_estimator）和竞争风险分析（cumulative_incidence_competing_risks）。评估指标包括 Harrell 与 Uno 一致性指数、时间依赖 AUC、Brier 分数与积分 Brier 分数。
使用方式：通过 sksurv.util.Surv 构造生存结果，使用 sksurv.datasets 加载内置数据集，配合 sklearn 的 Pipeline、cross_val_score、GridSearchCV 与 as_concordance_index_ipcw_scorer() 等评分器进行训练、调参与评估。需注意为 SVM 和正则化 Cox 模型标准化特征，高删失时使用 Uno 的 C-index，竞争事件应使用竞争风险方法而非视为删失。
限制：资料未提供具体价格、平台支持范围或性能承诺，相关内容暂未提供；实际使用需参考官方文档与仓库。