Classificação Baseada em Regras

Olá pessoal,

Em meu primeiro artigo na plataforma Medium, gostaria de falar sobre um projeto que fiz no treinamento “ Python Programming for Data Science ” que recebi de Vahit Keskin .

Você pode encontrar os códigos detalhados do projeto aqui .

Vamos começar com nosso problema de negócios. Uma empresa de jogos deseja criar novas definições de clientes (personas) baseadas em níveis, usando algumas características mensuráveis ​​de seus clientes, e criar segmentos de acordo com essas novas definições de clientes e estimar quanto os novos clientes podem ganhar em média de acordo com esses segmentos .

Cenário de exemplo
Queremos determinar quanto uma mulher de 25 anos da Turquia e usando IOS pode ganhar em média para a empresa.

O uso das personas que criamos como parte deste projeto desempenha um papel importante no aumento do lucro líquido e/ou lucro.

A história do nosso conjunto de dados

O conjunto de dados Persona.csv contém os preços dos produtos vendidos por uma empresa internacional de jogos e algumas informações demográficas dos usuários que compram esses produtos. O conjunto de dados consiste em registros criados em cada transação de venda. Isso significa que a tabela não é desduplicada. Ou seja, um usuário com determinadas características demográficas pode ter feito mais de uma compra.

Variáveis:
1) Preço : Valor gasto pelo cliente
2) Fonte : O tipo de dispositivo ao qual o cliente está se conectando
3) Sexo : Sexo do cliente
4) País : País do cliente
5) Idade : Idade do cliente

Vejamos informações gerais sobre nosso conjunto de dados.

Temos um conjunto de dados de 5.000 linhas. Ao mesmo tempo, temos um total de 5 variáveis, sendo 3 categóricas e 2 numéricas.

Vejamos as primeiras 5 linhas em nosso conjunto de dados usando a função df.head() .

Quantas vendas foram feitas em qual país? Aqui usaremos a função pivot() . O pivô é usado para remodelar um determinado DataFrame com base em determinados valores de índice/coluna.

Quanto foi ganho no total com as vendas por país? Aqui também usaremos a função groupby() , que é usada para agrupar dados de acordo com alguns critérios.

Vamos entrar em mais detalhes e ver as médias de PRICE na divisão COUNTRY-SOURCE.

Agora vamos ver os ganhos médios na divisão de COUNTRY, SOURCE, SEX, AGE, mas desta vez vamos aplicar o método sort_values ​​a PRICE em ordem decrescente para ver melhor o resultado.

Todas as variáveis, exceto PRICE na saída acima, são nomes de índice. Vamos transformar esses nomes em nomes de variáveis. Usaremos reset_index() para isso.

Agora vamos converter a variável numérica “AGE” em uma variável categórica. Vamos criar faixas etárias de uma forma que achamos que será convincente.

Por exemplo: '0_18', '19_23', '24_30', '31_40', '41_70'

Continuando, vamos definir uma variável chamada customer_level_based e adicionar essa variável ao dataset.

Mas há algo que devemos prestar atenção aqui. Depois de criar valores com base em customer_level_ com List comp, esses valores precisam ser desduplicados.

Se eu der um exemplo, pode ser mais de uma expressão:
USA_ANDROID_MALE_0_18
É necessário levá-los para groupby e obter as médias de preços.

Queremos colocar os VALUES das variáveis ​​COUNTRY, SOURCE, SEX e age_cat lado a lado e concatená-los com um sublinhado. Podemos fazer isso com compreensão de lista .

Vamos adicioná-lo ao conjunto de dados.

Agora temos que remover as variáveis ​​desnecessárias.

Vamos ver. Existem muitos segmentos iguais aqui.

Por isso, após o groupby de acordo com os segmentos, devemos pegar as médias de preços e desduplicar os segmentos.

Vamos mudar customer_level_based para variável.

Esperamos que cada persona seja 1. Vejamos:

Estamos quase no fim e agora vamos segmentar novos clientes por PREÇO. Vamos adicionar os segmentos com a nomenclatura “SEGMENTO” a agg_df e descrevê-los.

Finalmente, vamos supor que haja um novo cliente e estimar quanta receita ele pode gerar.

Deixe nosso cliente ser uma mulher turca de 37 anos usando ANDROID. Vamos descobrir a que segmento pertence e quanta receita espera gerar :)

O retorno médio deste cliente é de 41,83 unidades e a saída do segmento A :)

Obrigado pelo seu interesse e tenha um bom dia.

Atenciosamente.

Obrigado:

Vahit Keskin

Miuul