Prédictions

Vous allez maintenant prédire la courbe de survie pour une nouvelle cliente à partir du modèle de risques proportionnels de Cox que vous avez estimé plus tôt. Le modèle est toujours disponible dans l'objet fitCPH.

La nouvelle cliente est une femme et a utilisé un bon lors de sa première commande (voucher = 1). La commande a été passée il y a 21 jours et la valeur du panier était de 99,90 dollars. Elle n'a pas retourné la commande (returned = 0).

Rappel : voucher et returned peuvent prendre les valeurs 0 ou 1.

Cette activité fait partie du cours

Machine Learning for Marketing Analytics in R

Voir le cours

Instructions de l’exercice

Créez une trame de données d'une seule ligne appelée newCustomer avec les caractéristiques de la nouvelle cliente mentionnées ci-dessus.
Prédisez le temps médian attendu jusqu'à la deuxième commande pour cette cliente en utilisant print() et tracez la courbe de survie prédite.
On vous informe qu'en raison de problèmes de base de données, le genre a été mal codé : la nouvelle cliente est en fait un homme. La trame de données newCustomer est copiée dans une trame appelée newCustomer2. Allez-y et modifiez la variable concernée à male.
Recalculez la médiane prédite avec les données corrigées newCustomer2. Qu'est-ce qui a changé ?

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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(___)

Modifier et exécuter le code