0

我试图估计客户在一段时间后还活着的概率。我有一家公司 500 位客户的数据。对于每个客户，我知道 x（给定客户在所有时间段内的交易次数）、tx（最后一次交易的时间）和 T（从第一次购买到观察窗口结束的总时间）。

我使用 BG/NBD 模型。为了估计活着的概率，我首先需要估计这个模型中包含的 4 个参数（r、alpha、a 和 b）。为了优化这些参数的值，我使用了 « bbmle » 包（如下所示）。

但是，当我运行代码时，它没有给出任何结果。此外，R 似乎也无法识别以下函数中包含的许多“对象”。

有没有人注意到我在代码中犯的任何错误？有没有别的写法？

bgLlh <- function(mydata, r, alpha, a, b) {
  with (mydata, {
    if (a<=0 | b<=0 | r<=0 | alpha<=0) return (NaN)
    term1 <-log(gamma(r+mydata$x)) - log(gamma(r)) + r*log(alpha)
    term2 <-log(gamma(a+b))+log(gamma(b+mydata$x))-log(gamma(b))-log(gamma(a+b+mydata$x))
    term3<- -(r+mydata$x)*log(alpha+mydata$T)
    term4 <- if(mydata$x > 1) {log(a)-log(b+mydata$x-1)-(r+mydata$x)*log(alpha+mydata$tx)
                              } else {0}

    llh <- term1 + term2 +log(exp(term3)+(mydata$x>0)*exp(term4))
    f <- -sum(llh)
    return(f)
  })
}

bgEstimateParameters <- function(mydata, initValues, safeMode=FALSE) {
  llhd <- function(r, alpha, a, b) {    
    return (bgLlh(data, r, alpha, a, b))
  }
  library(bbmle)
  if (safeMode) {
    fit <- mle2(llhd, initValues, skip.hessian=TRUE, method="Nelder-Mead")
  } else {
    fit <- mle2(llhd, initValues)
  }
  return (fit)
}
4

0 回答 0