Cox-Proportional-Hazards-Modell

Jetzt berechnest du ein Cox-Proportional-Hazards-Modell auf den Online-Shop-Daten. Deine in dataNextOrder gespeicherten Daten enthalten nun vier zusätzliche Variablen: den shoppingCartValue der ersten Bestellung in Dollar, ob der Kunde einen voucher genutzt hat, ob die Bestellung returned wurde und das gender.

Das Paket rms ist bereits in der Arbeitsumgebung geladen.

Diese Übung ist Teil des Kurses

Machine Learning für Marketing-Analytics in R

Kurs anzeigen

Anleitung zur Übung

Berechne das Cox-PH-Modell mit cph(). Nimm die Variablen shoppingCartValue, voucher, returned und gender als Prädiktoren auf. Achte darauf, die Formel korrekt anzugeben. Speichere das Ergebnis in einem Objekt namens fitCPH. Und gib die Ergebnisse natürlich aus.
Wende die Exponentialfunktion auf die coefficients an, um sie zu interpretieren. Beachte bei der Interpretation, dass shoppingCartValue eine kontinuierliche Variable ist, während die übrigen Variablen kategorial sind.
Erstelle die Zusammenfassungs-Grafik des Ergebnisses.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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)

Code bearbeiten und ausführen