Prédictions

Vous allez maintenant prédire la courbe de survie pour un nouveau client à partir du modèle de Cox à risques proportionnels que vous avez estimé précédemment. Le modèle est toujours disponible dans l'objet fitCPH.

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

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

Cet exercice fait partie du cours

<cours>Machine Learning for Marketing Analytics in R</cours>

Voir le cours

Instructions de l’exercice

Créez un dataframe d'une seule ligne appelé newCustomer avec les caractéristiques de la nouvelle cliente listées dans l'énoncé 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 : le nouveau client est en réalité un homme. Le dataframe newCustomer est copié dans un dataframe appelé newCustomer2. Modifiez maintenant la variable concernée en 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