Coxův model proporcionálního rizika

Teď sestavíš Coxův model proporcionálního rizika na datech z e-shopu. Tvůj dataset uložený v dataNextOrder nyní obsahuje čtyři další proměnné: shoppingCartValue – hodnotu prvního nákupu v dolarech, voucher – zda zákazník použil slevový kupón, returned – zda bylo zboží vráceno, a gender – pohlaví zákazníka.

Balíček rms je již v pracovním prostředí načten.

Toto cvičení je součástí kurzu

Machine Learning for Marketing Analytics in R

Zobrazit kurz

Pokyny k cvičení

Vypočítej Coxův model PH pomocí funkce cph(). Jako prediktory zahrň proměnné shoppingCartValue, voucher, returned a gender. Dej pozor na správné sestavení vzorce. Výsledek ulož do objektu fitCPH a nezapomeň ho vypsat.
Aplikuj exponenciální funkci na coefficients, aby bylo výsledky snazší interpretovat. Při interpretaci měj na paměti, že shoppingCartValue je spojitá proměnná, zatímco ostatní proměnné jsou kategorické.
Vykresli souhrn výsledků.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Determine distributions of predictor variables
dd <- datadist(dataNextOrder)
options(datadist = "dd")

# Compute Cox PH Model and print results
___ <- ___(Surv(daysSinceFirstPurch, boughtAgain) ___ shoppingCartValue ___ voucher ___ returned ___ gender,
              data = ___,
              x = TRUE, y = TRUE, surv = TRUE)
print(___)

# Interpret coefficients
___(fitCPH$___)

# Plot result summary
___(___(fitCPH), log = TRUE)

Upravit a spustit kód