Explorarea datelor

Setul de date salesData este încărcat în spațiul de lucru. Conține informații despre clienți pentru lunile unu până la trei. Sunt incluse doar vânzările din luna a patra. Tabelul de mai jos descrie câteva variabile al căror sens nu este imediat evident.

Variabilă	Descriere
id	numărul de identificare al clientului
mostFreqStore	magazinul din care clientul a cumpărat cel mai des
mostFreqCat	categoria din care clientul a achiziționat cel mai des
nCats	numărul de categorii diferite
preferredBrand	brandul achiziționat cel mai des de client
nBrands	numărul de branduri diferite

Pachetele readr, dplyr, corrplot și ggplot2 au fost instalate și încărcate.

Acest exercițiu face parte din cursul

Machine Learning pentru Analiză de Marketing în R

Vezi cursul

Instrucțiuni pentru exercițiu

Folosește comanda str() pentru a obține o privire de ansamblu asupra datelor.
Vizualizează corelația dintre variabilele explicative continue din ultimele trei luni și variabila de vânzări din această lună. Folosește funcțiile cor() și corrplot() împreună cu operatorul pipe. Variabilele potrivite au fost deja selectate pentru tine.
În plus, creează un boxplot care să afișeze distribuția variabilei salesThisMon în funcție de nivelurile variabilei categoriale preferredBrand. Același lucru a fost deja realizat pentru variabila categorială dependentă mostFreqStore.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Structure of dataset
str(___, give.attr = FALSE)

# Visualization of correlations
salesData %>% select_if(is.numeric) %>%
  select(-id) %>%
  ___
  ___

# Frequent stores
ggplot(salesData) +
    geom_boxplot(aes(x = mostFreqStore, y = salesThisMon))

# Preferred brand
ggplot(___) +
    geom_boxplot(aes(x = ___, y = ___))

Editează și rulează codul