Tahminler
Şimdi, daha önce tahmin ettiğin Cox Orantısal Tehlike modelinden yeni bir müşteri için sağkalım eğrisini tahmin edeceksin. Model hâlâ fitCPH nesnesinde mevcut.
Yeni müşteri bir kadın ve ilk siparişinde bir kupon kullanmış (voucher = 1). Sipariş 21 gün önce verilmiş ve sepet tutarı 99,90 dolar. Siparişi iade etmemiş (returned = 0).
Unutma: voucher ve returned değerleri 0 veya 1 olabilir.
Bu egzersiz
R ile Pazarlama Analitiği için Machine Learning
kursunun bir parçasıdırEgzersiz talimatları
- Yukarıdaki metinde listelenen yeni müşteri özellikleriyle tek satırlık
newCustomeradlı bir veri çerçevesi oluştur. - Bu müşteri için beklenen ikinci siparişe kadar geçen medyan zamanı
print()ile tahmin et ve tahmin edilen sağkalım eğrisini çiz. - Veritabanı sorunları nedeniyle cinsiyet bilgisinin hatalı kodlandığı bildirildi: Yeni müşteri aslında bir erkek.
newCustomerveri çerçevesinewCustomer2adlı bir veri çerçevesine kopyalanıyor. Şimdi ilgili değişkenimaleolarak güncelle. - Düzeltilmiş veri
newCustomer2ile tahmin edilen medyanı yeniden hesapla. Ne değişti?
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# 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(___)