MulaiMulai sekarang secara gratis

Rata-rata rolling eksponensial & pelapisan berlebihan/kekurangan

Pada latihan sebelumnya, kita melihat bahwa pendapatan kita cenderung datar dari waktu ke waktu. Pada latihan ini, kita akan menggali data lebih dalam untuk mencari tahu alasannya. Kita akan melihat pendapatan dari satu produk pembelian dalam aplikasi yang kita jual untuk mengetahui apakah ada tren yang muncul. Karena cakupannya lebih kecil dibandingkan pendapatan keseluruhan, datanya akan jauh lebih berisik. Untuk mengatasinya, kita akan menghaluskan data menggunakan rata-rata rolling eksponensial.

Satu himpunan data daily_revenue baru telah disediakan, berisi pendapatan untuk produk ini.

Latihan ini adalah bagian dari kursus

Analitik Pelanggan dan A/B Testing dengan Python

Lihat Kursus

Petunjuk latihan

  • Gunakan metode .ewm() untuk menghitung rata-rata rolling eksponensial dengan span 10 dan simpan pada kolom small_scale.
  • Ulangi langkah sebelumnya dengan span 100 dan simpan pada kolom medium_scale.
  • Terakhir, hitung rata-rata rolling eksponensial dengan span 500 dan simpan pada kolom large_scale.
  • Plot ketiga rata-rata tersebut bersama data mentahnya. Amati seberapa jelas tren datanya.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Calculate 'small_scale'
daily_revenue['small_scale'] = daily_revenue.revenue.____(span=____).mean()

# Calculate 'medium_scale'
daily_revenue['___'] = daily_revenue.revenue.____(____=____).____

# Calculate 'large_scale'
daily_revenue[____] = daily_revenue.revenue.____(____=____).____

# Plot 'date' on the x-axis and, our three averages and 'revenue'
# on the y-axis
daily_revenue.plot(x = ____, y =['revenue', 'small_scale', ____, ____])
plt.____
Edit dan Jalankan Kode