Modèle de risques proportionnels de Cox

Vous allez maintenant calculer un modèle de risques proportionnels de Cox sur les données de la boutique en ligne. Votre jeu de données stocké dans dataNextOrder contient maintenant quatre variables supplémentaires : la shoppingCartValue de la première commande en dollars, si la personne cliente a utilisé un voucher, si la commande a été returned, et le gender.

Le paquet rms est déjà chargé dans l'espace de travail.

Cette activité fait partie du cours

Machine Learning for Marketing Analytics in R

Voir le cours

Instructions de l’exercice

Calculez le modèle Cox PH avec cph(). Incluez les variables shoppingCartValue, voucher, returned et gender comme prédicteurs. Portez attention à bien spécifier la formule. Stockez le résultat dans un objet nommé fitCPH. Et, bien sûr, affichez les résultats.
Prenez l'exponentielle des coefficients pour les interpréter. Pour l'interprétation, tenez compte du fait que shoppingCartValue est une variable continue, tandis que les autres variables sont catégorielles.
Tracez le résumé des résultats.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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)

Modifier et exécuter le code