Calculer l'importance relative de chaque attribut
Vous allez maintenant calculer l'importance relative des valeurs RFM dans chaque groupe (cluster).
Nous avons chargé datamart_rfm avec les valeurs RFM brutes, ainsi que datamart_rfm_k3, qui contient les valeurs RFM brutes et les étiquettes de groupes enregistrées sous Cluster. La bibliothèque pandas est aussi chargée sous pd.
N'hésitez pas à explorer les jeux de données dans la console.
Cette activité fait partie du cours
Segmentation de la clientèle en Python
Instructions de l’exercice
- Calculez les valeurs RFM moyennes pour chaque groupe — utilisez le jeu de données
datamart_rfm_k3. - Calculez les valeurs RFM moyennes pour l'ensemble de la clientèle — utilisez le jeu de données
datamart_rfm. - Calculez l'importance relative de la valeur de l'attribut du groupe par rapport à la population.
- Affichez les scores d'importance relative arrondis à 2 décimales.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Calculate average RFM values for each cluster
cluster_avg = ____.groupby(['____']).____()
# Calculate average RFM values for the total customer population
population_avg = ____.____()
# Calculate relative importance of cluster's attribute value compared to population
relative_imp = ____ / ____ - ____
# Print relative importance scores rounded to 2 decimals
print(relative_imp.____(____))