Calcular a importância relativa de cada atributo
Agora você vai calcular a importância relativa dos valores de RFM dentro de cada cluster.
Carregamos datamart_rfm com os valores brutos de RFM e datamart_rfm_k3, que tem os valores brutos de RFM e os rótulos de cluster armazenados em Cluster. A biblioteca pandas também está carregada como pd.
Fique à vontade para explorar os conjuntos de dados no console.
Este exercício faz parte do curso
Segmentação de Clientes em Python
Instruções do exercício
- Calcule os valores médios de RFM para cada cluster — use o conjunto de dados
datamart_rfm_k3. - Calcule os valores médios de RFM para toda a população de clientes — use o conjunto de dados
datamart_rfm. - Calcule a importância relativa do valor do atributo do cluster em comparação com a população.
- Imprima as pontuações de importância relativa arredondadas para 2 casas decimais.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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.____(____))