예측
이제 앞에서 추정한 Cox Proportional Hazard 모델을 사용해 새로운 고객의 생존 곡선을 예측해 보겠습니다. 모델은 객체 fitCPH에 여전히 저장되어 있습니다.
새로운 고객은 여성이고 첫 주문에서 바우처를 사용했습니다(voucher = 1). 주문은 21일 전에 이루어졌고 장바구니 금액은 99.90달러였습니다. 반품은 하지 않았습니다(returned = 0).
참고: voucher와 returned의 값은 0 또는 1만 가능합니다.
이 연습은 강의의 일부입니다
R로 배우는 Machine Learning 기반 마케팅 분석
연습 안내
- 과제 설명에 제시된 새로운 고객의 특성을 사용해 한 행짜리 데이터프레임
newCustomer를 만드세요. print()을 사용해 이 고객의 두 번째 주문까지의 예상 중앙값 시간을 예측하고, 예측된 생존 곡선을 그리세요.- 데이터베이스 문제로 성별이 잘못 코딩되었다는 안내를 받았습니다. 실제로는 남성입니다. 데이터프레임
newCustomer를newCustomer2라는 데이터프레임으로 복사했습니다. 이제 해당 변수를male로 변경하세요. - 수정된 데이터
newCustomer2로 예측 중앙값을 다시 계산하세요. 무엇이 달라졌나요?
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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(___)