Kaplan-Meier Analizi

Bu egzersizde, kovaryat olmadan ve kategorik bir kovaryat ile Kaplan-Meier Analizi yapmayı pratik edeceksin.

survival paketi çalışma alanına yüklü. Ayrıca, hayatta kalma nesnesi survObj ve verin dataNextOrder ortamda mevcut. Ancak şimdi, veride bu egzersizde ihtiyaç duyacağın voucher adlı ek bir kovaryat var. Bu kategorik değişken, müşterinin ilk siparişinde kupon kullanıp kullanmadığını belirtir. Değeri 0 veya 1 olabilir.

Bu egzersiz

R ile Pazarlama Analitiği için Machine Learning

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

survfit() kullanarak (kovaryatsız) bir Kaplan-Meier Analizi hesapla. Sonucu fitKMSimple adlı bir nesnede sakla. Unutma, bağımlı değişken (tildenin ~ solundaki değişken) yine hayatta kalma nesnen survObj. Sonra fitKMSimple'ı yazdır.
Sonuç nesnesi fitKMSimple'ı çiz ve eksen etiketleri ekle (xlab ve ylab argümanları).
Şimdi bir adım daha ileri git: survObj’i bağımlı değişken ve voucher değişkenini kovaryat olarak kullanarak bir Kaplan-Meier Analizi hesapla. data argümanını belirtmeyi unutma.
Yeni modelin sonucunu yine çiz ve eksen etiketleri ekle.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Compute and print fit
fitKMSimple <- ___(___ ~ ___)
___(fitKMSimple)

# Plot fit
plot(___,
     conf.int = FALSE, ___ = "Time since first purchase", ___ = "Survival function", main = "Survival function")

# Compute fit with categorical covariate
fitKMCov <- survfit(___ ~ ___, data = ___)

# Plot fit with covariate and add labels
plot(___, lty = 2:3,
     ___ = "Time since first purchase", ___ = "Survival function", main = "Survival function")
legend(90, .9, c("No", "Yes"), lty = 2:3)

Kodu Düzenle ve Çalıştır