ParetoNBDModel.distribución_nuevo_cliente

ParetoNBDModel.distribution_new_customer(data=None, *, T=None, random_seed=None, var_names=('dropout', 'purchase_rate', 'recency_frequency'), n_samples=1000)

Calcule muestras predictivas posteriores de abandono, tasa de compra y frecuencia/recencia de nuevos clientes.

En un modelo con covariables, si data no está especificado, se utilizará el conjunto de datos empleado para el ajuste y se calculará una predicción para un nuevo cliente con cada conjunto de covariables. ¡Esta no es una predicción condicional para clientes observados!

Parámetros:

datos : DataFrame, OpcionalDataFrame, Opcional

DataFrame que contiene las siguientes columnas:

• customer_id: Identificador único del cliente

• T: Tiempo entre la primera compra y el final del período de observación

• Todas las columnas de covariables especificadas cuando se inicializó el modelo.

Si no se proporciona, las predicciones se realizarán con los datos utilizados para ajustar el modelo.

T : array_like, opcionalnumpy:similar a un arreglo, opcional

tiempo entre la primera compra y el final del período de observación. No es necesario si se proporciona el parámetro data con una columna T.

semilla_aleatoria : RandomState, opcionalRandomState, opcional

Estado aleatorio a utilizar para el muestreo.

var_names : sequence de str, opcionalpython:secuencia de python:str, opcional

Nombres de las variables de las que muestrear. Por defecto es [«dropout», «purchase_rate», «recency_frequency»].

n_samples : int, opcionalpython:int, opcional

Número de muestras a generar. Por defecto es 1000.