何ができるか
サバイバル・フォレストを使うと、次の質問に答えられます。- このデータ(説明変数)を使うことで、あるタイミング(例:サービスの利用開始から1年後)における生存状態(例:サービスのキャンセル)のTRUE/FALSEをどれだけうまく分けられているか。
- どの変数が、あるタイミングにおける生存状態を予測するうえで重要か。
- 説明変数の値が変わると、生存曲線はどのように変わるか。
必要なデータ
サバイバル・フォレストのモデルを作成するためには、**1行が1観察対象(例:1行が1顧客)**となっているデータが必要です。 また、以下の情報も列に必要です。- 開始時期:観察対象の観察の開始時期を表す、Date(日付)型、またはPOSIXct(日付時間)型の列
- 終了時期:観察対象の観察の終了時期を表す、Date(日付)型、またはPOSIXct(日付時間)型の列
- 生存状態:観察対象のイベントのステータスを表す、ロジカル型の列(例:チャーン、解約、離職、死亡など)
- 説明変数:生存状態を予測するための列(データタイプには特に縛りはありません)
サンプルデータ
今回は、動画視聴のサブスクリプション・サービスを想定したサンプルデータを使います。この例のデータは説明用に作った架空のものです。 データは800行・18列で、1行が1顧客です。列は次のとおりです。- 顧客ID、最初の利用日、最後の利用日、チャーン
- 視聴時間を表す、アクション、アニメ、コメディ、ドラマ、ヒューマン、SF
- 利用デバイス(Mobile または PC)、オフライン機能、いいね、SNSへの投稿数
- 年齢、性別、婚姻ステータス
- 生存時間(日数)
サバイバル・フォレストのモデルを作成する
アナリティクス・ビューでタイプの「生存分析」から「サバイバル・フォレスト」を選び、以下の項目を指定して「実行」します。- 開始時期:「最初の利用日」
- 終了時期:「最後の利用日」
- 期間の単位:「自動」(今回の結果は月単位で表示されます)
- 生存状態(イベント):「チャーン」
- 説明変数:アクションから婚姻ステータスまでの13列


結果の解釈
生存曲線
「生存曲線」では、モデルに基づいた説明変数ごとの生存曲線が表示されます。この曲線は、時間の経過(単位は月)に伴う生存確率(イベントの非発生確率)の予測値を示しています。
説明変数の重要度
「変数間の関係」の「説明変数の重要度」では、チャーンに関する生存曲線を予測するために、どの説明変数が相対的により重要なのかがチャートで表示されます。重要度の値が大きいほど、予測するうえで重要な変数です。今回のデータでは「利用デバイス」が最も大きく、次に「コメディ」が続きます。
説明変数の影響度
「説明変数の影響度」では、期間が4か月の時点において、それぞれの説明変数の値が変わるとチャーンの発生確率がどのように変わるかが表示されます。実測値はグレー、予測値は青で表示されます。 このとき使われる生存時間は、設定の「予測に使用する生存時間」の初期値である「Mean of Survival Time」(生存期間の平均)です。今回のデータでは4か月でした。
モデルの指標
「モデルの指標」では、この予測モデルの評価を確認できます。今回のデータでは、一致係数が0.814、時点AUCが0.903でした。

サバイバル・フォレストに関するよくある質問
Q: 「説明変数の影響度」で表示されている実測値はどのように求められているのですか?
実測値はそれぞれの説明変数のデータタイプによって表示が異なります。 詳しくはこちらのノートをご覧ください。Q: 「説明変数の影響度」で表示されている予測値はどのように求められているのですか?
予測値のチャートはPartial Dependence Plot(PDP)と呼ばれるもので、注目している変数の値を変化させたときに、予測結果がどう変わるかを可視化したチャートとなります。詳しくはこちらのノートをご覧ください。Q: 予測に使用する生存期間はどのように変更できますか?
「予測に使用する生存時間」の初期値は「Mean of Survival Time」(生存期間の平均)ですが、「タイプ」の右にある歯車の設定の「影響度」にある「予測に使用する生存時間」から変更できます。
Q: 予測に使用する生存率のしきい値はどのように変更できますか?
設定の「影響度」にある「予測に使用する生存率のしきい値」から変更できます。しきい値の初期値は0.5です。
