Predicciones
Ahora vas a predecir la curva de supervivencia para un nuevo cliente con el modelo de Riesgos Proporcionales de Cox que estimaste antes. El modelo sigue disponible en el objeto fitCPH.
La nueva clienta es una mujer y usó un cupón en su primer pedido (voucher = 1). El pedido se hizo hace 21 días y tuvo un valor de carrito de compra de 99,90 dólares. No devolvió el pedido (returned = 0).
Recuerda: voucher y returned pueden tomar los valores 0 o 1.
Este ejercicio forma parte del curso
Machine Learning para analítica de marketing en R
Instrucciones del ejercicio
- Crea un dataframe de una fila llamado
newCustomercon las características de la nueva clienta indicadas en el enunciado de arriba. - Predice el tiempo mediano esperado hasta el segundo pedido para esta clienta usando
print()y dibuja la curva de supervivencia predicha. - Te informan de que, por problemas en la base de datos, el género se codificó mal: en realidad, el nuevo cliente es un hombre. El dataframe
newCustomerse copia en un dataframe llamadonewCustomer2. Ahora cambia la variable correspondiente amale. - Vuelve a calcular la mediana predicha con los datos corregidos
newCustomer2. ¿Qué cambió?
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# Create data with new customer
___ <- data.frame(daysSinceFirstPurch = __, shoppingCartValue = ___, gender = "female", voucher = _, returned = _)
# Make predictions
pred <- survfit(fitCPH, newdata = ___)
print(___)
___(pred)
# Dataset is copied. Now correct the customer's gender there
newCustomer2 <- newCustomer
___$gender <- ___
# Redo prediction
pred2 <- ___(fitCPH, newdata = ___)
print(___)