शुरू करेंमुफ़्त में शुरू करें

Kaplan-Meier विश्लेषण

इस अभ्यास में आप Kaplan-Meier विश्लेषण का अभ्यास करेंगे — बिना covariates और एक श्रेणीबद्ध covariate के साथ।

survival पैकेज आपके workspace में लोड है। साथ ही, survival ऑब्जेक्ट survObj और आपका डेटा dataNextOrder अभी भी environment में हैं। लेकिन अब डेटा में एक अतिरिक्त covariate voucher भी है, जिसकी आपको इस अभ्यास में आवश्यकता होगी। यह श्रेणीबद्ध वैरिएबल बताता है कि क्या ग्राहक ने अपनी पहली order में कोई वाउचर उपयोग किया था। इसमें 0 या 1 मान होता है।

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Marketing Analytics के लिए Machine Learning

पाठ्यक्रम देखें

अभ्यास निर्देश

  • survfit() का उपयोग करके एक Kaplan-Meier विश्लेषण (बिना covariates) compute करें। परिणाम को fitKMSimple नामक ऑब्जेक्ट में स्टोर करें। याद रखें, dependent variable (टिल्डा ~ के बाईं ओर वाला वैरिएबल) फिर से आपका survival ऑब्जेक्ट survObj है। फिर fitKMSimple को print करें।
  • परिणाम ऑब्जेक्ट fitKMSimple को plot करें और axis labels जोड़ें (xlab और ylab आर्ग्युमेंट्स)।
  • अब एक कदम आगे बढ़ें: survObj को dependent variable और voucher वैरिएबल को covariate बनाकर Kaplan-Meier विश्लेषण compute करें। data आर्ग्युमेंट निर्दिष्ट करना न भूलें।
  • फिर से, नए मॉडल के परिणाम को plot करें और axis labels जोड़ें।

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Compute and print fit
fitKMSimple <- ___(___ ~ ___)
___(fitKMSimple)

# Plot fit
plot(___,
     conf.int = FALSE, ___ = "Time since first purchase", ___ = "Survival function", main = "Survival function")

# Compute fit with categorical covariate
fitKMCov <- survfit(___ ~ ___, data = ___)

# Plot fit with covariate and add labels
plot(___, lty = 2:3,
     ___ = "Time since first purchase", ___ = "Survival function", main = "Survival function")
legend(90, .9, c("No", "Yes"), lty = 2:3)
कोड संपादित करें और चलाएँ