무작위화의 효과
무작위 배정은 A/B 테스트에서 매우 중요합니다. 비즈니스 지표에 미치는 영향을 확인하기 위해 서로 다른 결제 페이지 디자인을 실험으로 테스트하려는 데이터 과학자라고 가정해 보세요.
실험에 유입되는 트래픽을 무작위로 등록하는 상황을 모사하기 위해 사용자 중 일부 비율을 샘플링하고, 각 그룹에 무작위로 배정된 사용자들의 특정 속성 분포를 확인해 보겠습니다. 이렇게 하면 전체 트래픽 집단으로의 일반화 가능성을 검증하고, 그룹 간에 변경하는 단 하나의 변수, 즉 결제 페이지 디자인의 영향을 분리하여 살펴볼 수 있습니다.
checkout DataFrame은 이미 로드되어 있습니다. DataFrame의 각 행은 해당 checkout_page를 방문한 고유 사용자와 그들의 행동 및 추가 속성에 해당한다고 가정하세요.
이 연습은 강의의 일부입니다
Python으로 배우는 A/B Testing
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Determine the normalized distribution of browser counts
checkout['browser'].____(normalize = ____)