预测
现在，您将基于之前估计的 Cox 比例风险模型来预测一位新客户的生存曲线。该模型仍保存在对象 fitCPH 中。
这位新客户是女性，并且在首单使用了优惠券（voucher = 1）。该订单下单于 21 天前，购物车金额为 99.90 美元。她没有退货（returned = 0）。
请记住：voucher 和 returned 的取值可以是 0 或 1。
本练习是课程的一部分
用 R 进行市场营销分析的机器学习
练习说明
- 创建一个仅包含 1 行的数据框，命名为
newCustomer，其变量取值按上方说明中的新客户特征设置。 - 使用
print()预测并输出该客户到第二次下单的期望中位时间，并绘制预测的生存曲线。 - 您获悉由于数据库问题，性别被错误编码：这位新客户实际上是男性。数据框
newCustomer已复制为newCustomer2。现在请将相应变量改为male。 - 使用修正后的数据
newCustomer2重新计算预测的中位数。发生了什么变化？
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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(___)