Calcola l'importanza relativa di ciascun attributo
Ora calcolerai l'importanza relativa dei valori RFM all'interno di ciascun cluster.
Abbiamo caricato datamart_rfm con i valori RFM grezzi e datamart_rfm_k3, che contiene i valori RFM grezzi e le etichette dei cluster memorizzate in Cluster. La libreria pandas è già caricata come pd.
Sentiti libero di esplorare i dataset nella console.
Questo esercizio fa parte del corso
Customer Segmentation in Python
Istruzioni dell'esercizio
- Calcola i valori medi RFM per ciascun cluster: usa il dataset
datamart_rfm_k3. - Calcola i valori medi RFM per l'intera popolazione di clienti: usa il dataset
datamart_rfm. - Calcola l'importanza relativa del valore dell'attributo del cluster rispetto alla popolazione.
- Stampa i punteggi di importanza relativa arrotondati a 2 decimali.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# 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.____(____))