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

ćwiczenie

Przetwarzanie danych RFM

Wczytano zbiór danych z wartościami RFM obliczonymi wcześniej jako datamart_rfm. Ponieważ zmienne są skośne i mają różne skale, teraz je wyrównasz i znormalizujesz.

Biblioteka pandas jest załadowana jako pd, a numpy jako np. Poświęć chwilę na zapoznanie się z datamart_rfm w konsoli.

Instrukcje

100 XP
  • Zastosuj transformację logarytmiczną, aby usunąć skośność z datamart_rfm, i zapisz wynik jako datamart_log.
  • Utwórz instancję StandardScaler() jako scaler i dopasuj ją do danych datamart_log.
  • Przekształć dane, skalując je i centrując za pomocą scaler.
  • Utwórz ramkę danych pandas z datamart_normalized, dodając nazwy indeksu i kolumn z datamart_rfm.