trazar_compras_esperadas_ppc

pymc_marketing.clv.plotting.plot_expected_purchases_ppc(model, ppc='posterior', max_purchases=10, samples=1000, random_seed=45, ax=None, **kwargs)

Trace un chequeo predictivo previo o posterior para la distribución de frecuencia de compra del cliente.

Los modelos ParetoNBDModel, BetaGeoBetaBinomModel, BetaGeoModel y ModifiedBetaGeoModel son compatibles.

Adapted from legacy lifetimes library: CamDavidsonPilon/lifetimes

Parámetros:

modelo : CLVModelCLVModel

Se pueden realizar verificaciones predictivas previas antes o después de ajustar un modelo. Las verificaciones predictivas posteriores requieren un modelo ajustado.

ppc : str, opcionalpython:str, opcional

Tipo de verificación predictiva a realizar. Las opciones son “previa” o “posterior”; por defecto es “posterior”.

max_purchases : int, opcionalpython:int, opcional

Límite para la cantidad de barras de compra a trazar. El valor predeterminado es 10.

muestras : int, opcionalpython:int, opcional

Número de muestras a extraer para las verificaciones predictivas previas. Esto no se utiliza para las verificaciones predictivas posteriores.

random_seed : int, opcionalpython:int, opcional

Semilla aleatoria para fijar los resultados de muestreo

ax : matplotlib.Axes, opcionalmatplotlib.Axes, opcional

Una instancia de Axes de matplotlib. Crea una nueva instancia de ejes por defecto.

**kwargs

Argumentos adicionales para pasar al comando pandas.DataFrame.plot.

Devoluciones:

ejes : matplotlib.AxesSubplotmatplotlib.AxesSubplot