Обчисліть відносну важливість кожної ознаки
Тепер ви обчислите відносну важливість значень RFM у кожному кластері.
Ми завантажили datamart_rfm із сирими значеннями RFM та datamart_rfm_k3, який містить сирі значення RFM і мітки кластера у стовпці Cluster. Бібліотеку pandas також завантажено як pd.
Можете вільно дослідити набори даних у консолі.
Ця вправа є частиною курсу
Сегментація клієнтів у Python
Інструкції до вправи
- Обчисліть середні значення RFM для кожного кластера — використайте набір даних
datamart_rfm_k3. - Обчисліть середні значення RFM для всієї сукупності клієнтів — використайте набір даних
datamart_rfm. - Обчисліть відносну важливість значення ознаки кластера порівняно з сукупністю.
- Виведіть оцінки відносної важливості, округлені до 2 знаків після коми.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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.____(____))