1. Nauka
    2. /
  2. Kursy
    3. /
  3. Segmentacja klientów w Pythonie
Connected

ćwiczenie

Obliczanie względnej ważności poszczególnych atrybutów

Teraz obliczysz względną ważność wartości RFM w każdym klastrze.

Wczytaliśmy datamart_rfm z surowymi wartościami RFM oraz datamart_rfm_k3, który zawiera surowe wartości RFM i etykiety klastrów zapisane jako Cluster. Biblioteka pandas jest również wczytana jako pd.

Możesz swobodnie eksplorować zbiory danych w konsoli.

Instrukcje

100 XP
  • Oblicz średnie wartości RFM dla każdego klastra – użyj zbioru danych datamart_rfm_k3.
  • Oblicz średnie wartości RFM dla całej populacji klientów – użyj zbioru danych datamart_rfm.
  • Oblicz względną ważność wartości atrybutu klastra w porównaniu z populacją.
  • Wyświetl wyniki względnej ważności zaokrąglone do 2 miejsc po przecinku.