Прогнозирование

Теперь вы будете строить кривую выживаемости для нового клиента на основе модели пропорциональных рисков Кокса, которую вы оценили ранее. Модель по-прежнему доступна в объекте fitCPH.

Новый клиент — женщина, которая использовала ваучер при первом заказе (voucher = 1). Заказ был сделан 21 день назад, стоимость корзины составила 99,90 доллара. Возврат товара не оформлялся (returned = 0).

Напоминаем: voucher и returned могут принимать значения 0 или 1.

Это упражнение является частью курса

Машинное обучение для маркетинговой аналитики на R

Посмотреть курс

Инструкции к упражнению

Создайте датафрейм из одной строки с именем newCustomer, используя характеристики клиента из текста задания выше.
Предскажите ожидаемое медианное время до второго заказа для этого клиента с помощью print() и постройте прогнозируемую кривую выживаемости.
Поступила информация о том, что из-за проблем с базой данных пол был закодирован неверно: новый клиент на самом деле мужчина. Датафрейм newCustomer скопирован в датафрейм newCustomer2. Измените соответствующую переменную на значение male.
Пересчитайте прогнозируемую медиану, используя скорректированные данные newCustomer2. Что изменилось?

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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(___)

Редактировать и запускать код