고정 공변량을 가진 Cox PH 모델

R로 배우는 Machine Learning 기반 마케팅 분석

Verena Pflieger

Data Scientist at INWT Statistics

모델 가정

모델 정의: $\lambda(t|x) = \lambda(t)*\text{exp}(x'\beta)$

기저 위험 $\lambda(t)$의 형태를 가정하지 않음

상대 위험 함수 $exp(x'\beta)$는 시간에 따라 일정

R로 배우는 Machine Learning 기반 마케팅 분석

생존 모델 적합

library(rms)
units(dataSurv$tenure) <- "Month"
dd <- datadist(dataSurv)
options(datadist = "dd")

fitCPH1 <- cph(Surv(tenure, churn) ~ gender  +
                 SeniorCitizen + Partner + Dependents + 
                 StreamMov + PaperlessBilling + PayMeth + 
                 MonthlyCharges,
               data = dataSurv, 
               x = TRUE, y = TRUE, surv = TRUE, 
               time.inc = 1)
R로 배우는 Machine Learning 기반 마케팅 분석
Cox Proportional Hazards Model
  cph(formula = Surv(tenure, churn) ~ gender + ..., data = dataSurv,
  x = TRUE, y = TRUE, surv = TRUE, time.inc = 1)
                      Model Tests        Discrimination   
                                            Indexes        
 Obs       5311    LR chi2    1366.98    R2       0.228    
 Events    1869    d.f.            11    Dxy      0.496    
 Center -0.3964    Pr(> chi2)  0.0000    g        1.125    
                   Score chi2 1355.12    gr       3.082    
                   Pr(> chi2)  0.0000                      

                          Coef    S.E.   Wald Z Pr(>|Z|)
 gender=Male              -0.0326 0.0464  -0.70 0.4817  
 SeniorCitizen=Yes         0.2066 0.0556   3.71 0.0002  
 Partner=Yes              -0.7433 0.0545 -13.65 <0.0001 
 Dependents=Yes           -0.2072 0.0681  -3.04 0.0023  
 StreamMov=NoIntServ      -1.4504 0.1168 -12.41 <0.0001 
 StreamMov=Yes            -0.4139 0.0556  -7.44 <0.0001 
 PaperlessBilling=Yes      0.4056 0.0563   7.21 <0.0001 
 PayMeth=CreditCard(auto) -0.0889 0.0905  -0.98 0.3264  
 ...
R로 배우는 Machine Learning 기반 마케팅 분석

계수 해석

exp(fitCPH1$coefficients)

             gender=Male        SeniorCitizen=Yes 
               0.9679156                1.2294357 
             Partner=Yes           Dependents=Yes 
               0.4755412                0.8128759 
     StreamMov=NoIntServ            StreamMov=Yes 
               0.2344695                0.6610708 
    PaperlessBilling=Yes PayMeth=CreditCard(auto) 
               1.5001646                0.9149822 
      PayMeth=ElektCheck      PayMeth=MailedCheck 
               3.1168997                2.1814381 
          MonthlyCharges 
               0.9942395
R로 배우는 Machine Learning 기반 마케팅 분석

월 청구 금액별 생존 확률

survplot(fitCPH1, MonthlyCharges, label.curves = list(keys = 1:5))

월 청구 금액에 따른 생존 확률

R로 배우는 Machine Learning 기반 마케팅 분석

파트너별 생존 확률

survplot(fitCPH1, Partner)

파트너에 따른 생존 확률

R로 배우는 Machine Learning 기반 마케팅 분석

위험비 시각화

plot(summary(fitCPH1), log = TRUE)

위험비 시각화

R로 배우는 Machine Learning 기반 마케팅 분석

연습해 봅시다!

R로 배우는 Machine Learning 기반 마케팅 분석

Preparing Video For Download...