Вычисление относительной значимости каждого атрибута
Теперь вы вычислите относительную значимость RFM-показателей внутри каждого кластера.
Мы загрузили datamart_rfm с исходными RFM-значениями и datamart_rfm_k3, который содержит исходные RFM-значения и метки кластеров в столбце Cluster. Библиотека pandas также загружена как pd.
Вы можете изучить наборы данных в консоли.
Это упражнение является частью курса
Сегментация клиентов в Python
Инструкции к упражнению
- Вычислите средние RFM-значения для каждого кластера — используйте набор данных
datamart_rfm_k3. - Вычислите средние RFM-значения для всей клиентской базы — используйте набор данных
datamart_rfm. - Вычислите относительную значимость значения атрибута кластера по сравнению с общей базой.
- Выведите оценки относительной значимости, округлённые до 2 знаков после запятой.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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.____(____))