Прогнози

Тепер ви спрогнозуєте криву виживання для нового клієнта на основі моделі пропорційних ризиків Кокса, яку ви оцінили раніше. Модель досі збережена в об'єкті fitCPH.

Новий клієнт — жінка, і вона використала ваучер у своєму першому замовленні (voucher = 1). Замовлення було зроблено 21 день тому, а вартість кошика становила 99,90 долара. Вона не повертала замовлення (returned = 0).

Пам'ятайте: voucher і returned можуть набувати значень 0 або 1.

Ця вправа є частиною курсу

Machine Learning для маркетингової аналітики в R

Переглянути курс

Інструкції до вправи

Створіть однорядковий датафрейм під назвою newCustomer з характеристиками нового клієнта, наведеними в тексті завдання вище.
Спрогнозуйте очікуваний медіанний час до другого замовлення для цього клієнта за допомогою print() і побудуйте прогнозовану криву виживання.
Вас поінформовано, що через проблеми з базою даних стать була некоректно закодована: насправді новий клієнт — чоловік. Датафрейм newCustomer скопійовано в датафрейм під назвою newCustomer2. Тепер змініть відповідну змінну на male.
Перерахунйте прогнозовану медіану з виправленими даними newCustomer2. Що змінилося?

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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(___)

Редагувати та запускати код