計算各屬性的相對重要性
現在你要計算每個叢集中 RFM 數值的相對重要性。
我們已載入含原始 RFM 數值的 datamart_rfm，以及同時包含原始 RFM 數值與以 Cluster 儲存的叢集標籤的 datamart_rfm_k3。pandas 函式庫也已以 pd 載入。
可以在主控台中自由探索這些資料集。
本練習屬於課程
Python 的客群分群
練習說明
- 計算每個叢集的 RFM 平均值——使用
datamart_rfm_k3資料集。 - 計算所有顧客整體的 RFM 平均值——使用
datamart_rfm資料集。 - 計算叢集屬性值相對於整體的相對重要性。
- 列印四捨五入到小數點後 2 位的相對重要性分數。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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.____(____))