Cox PH 모형을 계산했더니 연속형 예측 변수 X의 계수가 0.8로 나왔습니다. 올바른 해석은 무엇인가요?
이 연습은 강의의 일부입니다
이론을 실습으로 바꾸는 인터랙티브 연습 중 하나를 만나보세요
어떤 고객이 비즈니스에 가장 가치 있는지 어떻게 판단할 수 있을까요? 선형 회귀를 사용해 고객 생애가치(Customer Lifetime Value)를 모델링하는 방법을 배워 보세요.
고객이 이탈(churn)할지를 예측하는 일은 가치 있는 고객을 타기팅하고, 이탈 위험 고객을 유지하는 데 중요합니다. 로지스틱 회귀로 고객 이탈을 모델링하는 방법을 배워 보세요.
생존 분석을 사용해 특정 사건까지 걸리는 시간을 모델링하는 방법을 배워 보세요. 예를 들어 다음 주문까지의 시간이나 고객이 이탈할 때까지의 시간이 될 수 있습니다.
현재 연습
CRM 데이터는 매우 방대해질 수 있습니다. 수집하는 각 지표에는 고객에 대한 흥미로운 정보가 담겨 있을 수 있어요. 하지만 변수가 너무 많은 데이터세트를 다루기는 어렵습니다. 주성분 분석을 사용해 데이터의 변수 수를 줄이는 방법을 배워 보세요. 이는 데이터 이해도를 높일 뿐 아니라, 정보를 단일 지표로 응축하고 상호 상관된 변수가 많은 회귀 분석에서 다중공선성 문제를 해결하는 데에도 도움이 됩니다.
