Модель пропорциональных рисков Кокса

Теперь вы построите модель пропорциональных рисков Кокса на данных интернет-магазина. Набор данных dataNextOrder содержит четыре дополнительные переменные: shoppingCartValue — стоимость первого заказа в долларах, voucher — использовал ли покупатель ваучер, returned — был ли заказ возвращён, и gender — пол покупателя.

Пакет rms уже загружен в рабочем пространстве.

Это упражнение является частью курса

Машинное обучение для маркетинговой аналитики на R

Посмотреть курс

Инструкции к упражнению

Постройте модель пропорциональных рисков Кокса с помощью функции cph(). Включите в модель переменные shoppingCartValue, voucher, returned и gender в качестве предикторов. Обратите внимание на правильное задание формулы. Сохраните результат в объект fitCPH и выведите его на экран.
Вычислите экспоненту коэффициентов (coefficients) для их интерпретации. При интерпретации учтите, что shoppingCartValue — непрерывная переменная, тогда как остальные переменные являются категориальными.
Постройте график сводки результатов.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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)

Редактировать и запускать код