Kaplan-Meier 분석

이번 연습 문제에서는 범주형 공변량이 없는 경우와 있는 경우, 두 가지로 Kaplan-Meier 분석을 연습해 보세요.

survival 패키지는 이미 작업 공간에 로드되어 있어요. 생존 객체 survObj와 데이터 dataNextOrder도 환경에 남아 있어요. 이제 데이터에는 voucher라는 추가 공변량이 포함되어 있는데, 이 연습에서 사용하게 됩니다. 이 범주형 변수는 고객이 첫 주문에서 바우처를 사용했는지를 나타내며 값은 0 또는 1이에요.

이 연습은 강의의 일부입니다

R로 배우는 Machine Learning 기반 마케팅 분석

강의 보기

연습 안내

survfit()을 사용해 공변량 없이 Kaplan-Meier 분석을 계산하세요. 결과는 fitKMSimple이라는 객체에 저장하세요. 종속변수(물결표 ~의 왼쪽)는 다시 생존 객체 survObj임을 기억하세요. 그런 다음 fitKMSimple을 출력하세요.
결과 객체 fitKMSimple을 플로팅하고 축 레이블(xlab, ylab 인자)을 추가하세요.
이제 한 단계 더 나아가세요: 종속변수를 survObj로, 공변량을 voucher로 하여 Kaplan-Meier 분석을 계산하세요. data 인자 지정을 잊지 마세요.
새 모델의 결과도 다시 플로팅하고 축 레이블을 추가하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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)

코드 편집 및 실행