ParetoNBDModel.probabilidad_de_compra_esperada#

ParetoNBDModel.expected_purchase_probability(data=None, *, n_purchases=None, future_t=None)[fuente]#

Calcule la probabilidad esperada de n_purchases durante future_t períodos de tiempo.

Estime la probabilidad de n_purchases durante future_t períodos de tiempo, dado el frequency actual, recency y T de un cliente individual.

Adaptado de la ecuación (16) en las notas de Bruce Hardie [1], y la biblioteca heredada lifetimes: CamDavidsonPilon/lifetimes

Parámetros:
datos : DataFrameDataFrame

Dataframe opcional que contiene las siguientes columnas:

  • customer_id: Identificador único del cliente

  • frequency: Número de compras repetidas

  • recency: Tiempo entre la primera y la última compra

  • T: Tiempo entre la primera compra y el final del período de observación. Las suposiciones del modelo requieren T >= recency

  • Columna opcional para la parametrización de future_t.

  • n_purchases: Columna opcional para la parametrización de n_purchases. Actualmente restringida al mismo número para todos los clientes.

  • 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.

future_tnumpy:similar_a_array

Número de períodos de tiempo para predecir las compras esperadas. No es necesario si el DataFrame data contiene una columna future_t.

n_purchasesint

Número de compras predicho. No es necesario si el DataFrame data contiene una columna n_purchases.

future_tnumpy:similar_a_array

Períodos de tiempo sobre los cuales se debe estimar la probabilidad. No es necesario si el DataFrame data contiene una columna n_purchases.

Referencias

[1]

Fader, Peter y G. S. Hardie, Bruce (2014). «Derivando la PMF Condicional del Modelo Pareto/NBD.» https://www.brucehardie.com/notes/028/pareto_nbd_conditional_pmf.pdf