Особенности применения регрессии Кокса в различных инструментальных средах

Наличие больших объемов данных в информационно-аналитических системах порождает необходимость их изучения с использованием методов машинного обучения и искусственного интеллекта. Эти модели требуют определения настроечных параметров, связанных с особенностями предметной области. В статье представлена модель регрессии Кокса для решения проблемы оттока клиентов. Регрессия Кокса признана моделью с высокой точностью предсказаний в здравоохранении. Поэтому интересным представляется применение модели в иных отраслях. В работе приведены результаты и сравнительный анализ расчетов на модели Кокса с использованием трех инструментов: статистического пакета Statistical Package for the Social Sciences, языка программирования R и российского программного обеспечения – аналитической платформы Loginom. Отличительной особенностью разработанной вероятностной модели является определение риска наступления события в условиях неполноты данных, а также выделение показателей, оказывающих существенное влияние на степень его проявления.

1. Шарашова Е.Е., Холматова К.К., Горбатова М.А., Гржибовский А.М. Применение анализа выживаемости в здравоохранении с использованием пакета статистических программ SPSS. Наука и здравоохранение. 2017;5:5–28.

2. Широбокова М.А., Пивкин К.С. Интерпретация моделей случайного леса выживаемости в применении к расчету банковского кредитного риска. В сб.: Статистические методы анализа экономики и общества: Труды 11-й Международной научно-практической конференции студентов и аспирантов, Москва, 12–15 мая 2020 г. М.: Национальный исследовательский университет «Высшая школа экономики»; 2020. С. 163–164. https://doi.org/10.17323/978-5-7598-2305-6

3. Красоткина О.В., Попов В.А., Нгуен Т.Ч., Моттль В.В. Байесовский подход к оцениванию факторов риска в анализе продолжительности жизни. Известия ТулГУ. Технические науки. 2013;2:168–176.

4. Изергина А.Р. Обзор статистических методов оценки надежности. В сб.: Новиков Д.А. (ред.) Математические модели современных экономических процессов, методы анализа и синтеза экономических механизмов. Актуальные проблемы и перспективы менеджмента организаций в России: Сборник статей XII Всероссийской научно-практической конференции, Самара, 28–31 мая 2018 г. Самара: Самарский научный центр РАН; 2018. С. 45–50.

5. Аналитическая платформа Loginom. О платформе. https://loginom.ru/platform (дата обращения: 01.08.2022).

6. Шарашова Е.Е., Холматова К.К., Горбатова М.А., Гржибовский А.М. Применение регрессии Кокса в здравоохранении с использованием пакета статистических программ SPSS. Наука и здравоохранение. 2017;6:5–27.

7. Рей А.И., Андронова Е.С. Анализ выживаемости фирм отрасли: оценка Каплана–Мейера и модель пропорциональных рисков с изменяющимися во времени переменными. Свидетельство о государственной регистрации программы для ЭВМ № 2020664382 Российская Федерация. RU2020663158 (Патент) 2020.

8. HR портал. Анализ выживаемости. https://hr-portal.ru/statistica/gl14/gl14.php (дата обращения: 01.08.2022).

9. Грищенко Д.А., Катаев А.В. Анализ методов моделирования и прогнозирования оттока клиентов. Вестник науки и образования. 2018;2(5-41):21–23.

10. Паклин Н.Б., Кацко И.А., Кремянская Е.В. Моделирование LTV подписчика сайта с использованием low-code платформы Loginom. SAEC. 2021;3:94–106.

11. Румянцева Е.В., Фурманов К.К. Использование вневыборочных остатков Кокса–Снелл при прогнозировании наступления событий. Бизнес-информатика. 2021;1(15):7–18. https://doi.org/10.17323/2587-814x.2021.1.7.18

12. Vafeiadis T., Diamantaras K.I., Sarigiannidis G., Chatzisavvas K. Customer churn prediction in telecommunications. Simulation Modelling: Practice and Theory. Journal of Applied Technology and Innovation. 2018:1(2):7–14.

13. Яблонцева А.Д. Реализация модели пропорциональных рисков Кокса средствами языка программирования R. Modern Science. 2021:7:380–384.

14. Аналитическая платформа Loginom. Помощник по языку программирования Python в Loginom. https://help.loginom.ru/userguide/processors/programming/python/index.html/ (дата обращения: 20.08.2022).

15. Kaggle. Telco Customer Churn. https://www.kaggle.com/blastchar/telco-customer-churn (accessed 10.08.2022).

16. R Documentation. Cox Regression. https://www.rdocumentation.org/packages/survival/versions/3.2-10/topics/coxph/ (accessed 09.08.2022).