Modelo de Risco Proporcional de Cox
Agora você vai ajustar um modelo de Risco Proporcional de Cox com os dados da loja online. Seu conjunto de dados armazenado em dataNextOrder agora contém quatro variáveis adicionais: o shoppingCartValue do primeiro pedido em dólares, se o cliente usou um voucher, se o pedido foi returned e o gender.
O pacote rms já está carregado no workspace.
Este exercício faz parte do curso
Machine Learning for Marketing Analytics in R
Instruções do exercício
- Ajuste o modelo Cox PH usando
cph(). Inclua as variáveisshoppingCartValue,voucher,returnedegendercomo preditoras. Atenção para especificar a fórmula corretamente. Armazene o resultado em um objeto chamadofitCPH. E, claro, imprima os resultados. - Tire o exponencial dos
coefficientspara interpretá-los. Na interpretação, leve em conta queshoppingCartValueé uma variável contínua, enquanto as demais são categóricas. - Plote o resumo dos resultados.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Determine distributions of predictor variables
dd <- datadist(dataNextOrder)
options(datadist = "dd")
# Compute Cox PH Model and print results
___ <- ___(Surv(daysSinceFirstPurch, boughtAgain) ___ shoppingCartValue ___ voucher ___ returned ___ gender,
data = ___,
x = TRUE, y = TRUE, surv = TRUE)
print(___)
# Interpret coefficients
___(fitCPH$___)
# Plot result summary
___(___(fitCPH), log = TRUE)