การเพิ่มตัวแปรเชิงพยากรณ์

Predictive Analytics ระดับกลางด้วย Python

Nele Verbiest

Senior Data Scientist @PythonPredictions

ตัวแปรเชิงพยากรณ์

  • ข้อมูลประชากร:
    • อายุ
    • เพศ
    • สถานที่อยู่อาศัย
  • พฤติกรรมการใช้จ่าย
  • พฤติกรรมการรับชม
  • การใช้งานผลิตภัณฑ์
  • พฤติกรรมการท่องเว็บ
  • ข้อมูลการชำระเงิน
Predictive Analytics ระดับกลางด้วย Python

ตัวแปรเชิงพยากรณ์ที่สอดคล้องกับไทม์ไลน์ (1)

Predictive Analytics ระดับกลางด้วย Python

ตัวแปรเชิงพยากรณ์ที่สอดคล้องกับไทม์ไลน์ (2)

Predictive Analytics ระดับกลางด้วย Python

การเพิ่ม lifetime

# Reference date
reference_date = datetime.date(2018,4,1)

# Add lifetime to the basetable basetable["lifetime"] = reference_date - basetable["member_since"] print(basetable.head())
donor_id member_since lifetime
1        2015-02-03   1153
2        2016-01-30   729
3        2016-02-23   768
Predictive Analytics ระดับกลางด้วย Python

การเพิ่มช่องทางการติดต่อที่ต้องการ (1)

donor_id start_valid_date end_valid_date  contact_channel
1        2014-02-03       2016-03-04      "phone"
1        2016-03-04       2016-05-08      "e-mail"
2        2016-02-23       2026-02-23      "e-mail"
reference_date = datetime.date(2018,4,1)

# Select lines compliant with reference data contact_channel_reference_date = living_places[ (contact_channel["start_valid_date"]<=reference_date) & (living_places["end_valid_date"]>reference_date)]
Predictive Analytics ระดับกลางด้วย Python

การเพิ่มช่องทางการติดต่อที่ต้องการ (2)

# Add contact channel place to the basetable
basetable = 
    pd.merge(
     basetable, 
     living_places_reference_date[["donor_ID","contact_channel"]],
     on="donor_ID"
    )
print(basetable.head())
donor_id contact_channel
1        "phone"
2        "phone"
3        "e-mail"
Predictive Analytics ระดับกลางด้วย Python

มาฝึกกันเถอะ!

Predictive Analytics ระดับกลางด้วย Python

Preparing Video For Download...