BaşlayınÜcretsiz başlayın

Katılan değer ne?

İlk basit tepki modelinin kötü performansını hâlâ hatırlıyorsun. Şimdi ise gecikmeleri dahil etmenin kattığı değeri merak ediyorsun. Bu nedenle, tüm pazarlama araçlarını ve bunların gecikmeli etkilerini extended.model adlı tek bir modelde birleştiriyorsun. Model tahminlerini, extended.model nesnesi üzerinde fitted.values() işlevini kullanarak elde ediyorsun. Gecikme işlemi nedeniyle ilk gözlemin kaybını telafi etmek için, tahmin edilen değerlere NA ekliyorsun.

Bu kez, modelini kontrol etmek için log(SALES) ile artan indeks arasındaki ilişkiyi plot() ile görselleştiriyorsun. Benzer şekilde, lines() kullanarak model tahminlerini grafiğe ekliyorsun. lines() işlevi, tahmin edilen veri noktalarını artan indeksle doğru parçaları kullanarak birleştirir.

Bu egzersiz, kursun bir parçasıdır

R ile Tepki Modelleri Oluşturma

Kursa Göz Atın

Egzersiz talimatları

  • log(SALES)'i tüm pazarlama araçları ve bunların gecikmeli terimleriyle açıklayan genişletilmiş bir tepki modeli tahmin et. Sonucu extended.model adlı bir nesneye ata.
  • Model tahminlerini extended.model nesnesi üzerinde fitted.values() işlevini kullanarak elde et. Sonucu predicted.values adlı bir nesneye ata.
  • log(SALES) ile artan indeks arasındaki ilişkiyi plot() işleviyle göster.
  • Model tahminlerini lines() işleviyle grafiğe ekle.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Extend the sales resonse model
___ <- ___(___ ~ PRICE + Price.lag + DISPLAY + Display.lag + COUPON + Coupon.lag + DISPLAYCOUPON + DisplayCoupon.lag, data = sales.data)

# Obtain the model predictions
predicted.values <- c(NA,___(___))

# Plot log(SALES) against the running index
___(___ ~ 1, data = sales.data)

# Add the model predictions to the plot
___(___ ~ ___)
Kodu Düzenle ve Çalıştır