Data mining, Analyse de survie et durée de vie
Objectifs
- Retenir vos clients est certainement un de vos préoccupations majeures
- Vous souhaitez pour cela mettre en place des modèles anti-churn performants
- L’analyse de durée de vie (encore appelée analyse de survie) est une méthode alternative aux méthodes plus classiques telles que la régression logistique
- Cette formation de deux journées vous familiarisera avec cette technique et vous permettra de construire des modèles d’attrition opérationnels, efficaces et robustes
- Vous découvrirez également les autres problématiques pour lesquelles l’analyse de survie peut apporter une réponse pertinente
Programme
Principes de l’analyse de survie
- Définition de l’analyse de survie et contexte d’utilisation
- Champs d’applications possibles : bio-statistiques, marketing (attrition, prévision, durée de vie produit …), secteur bancaire (risque de crédit et recouvrement), actuariat, industrie
- Les avantages et inconvénients de l’analyse de survie : comparaison avec la Régression Logistique
Les données de survie
- Définition de l’événement d’intérêt
- Importance du choix de l’unité de temps
- Censures et troncatures : définitions et principales méthodes
- Fonctions de hasard et courbes de survie : définition, lois statistiques (loi de Weibull, loi de Pareto, loi log-logistique), exemples
- Application : Construction d’une table de survie
Les méthodes d’analyse
- L’analyse de la variance : rappel, mode d’utilisation, limites
- Une méthode non paramétrique usuelle, l’estimation de Kaplan Meier : définition, utilisation pratique, limites
- Les modèles paramétriques et semi paramétriques : modèle de Poisson, modèle de Cox, modèle « accéléré », modèle logistique conditionnelle
Cas pratique sous R
Please login to get access to the quiz
Back to Data Science
Pas de commentaires