Jiaxiang Li 2019-02-26
本文主要是用的电商数据参考 (Dheeru and Karra Taniskidou 2017) 数据下载地址为 archive
DataCamp 的完成证书见 certificate.pdf
path | value |
---|---|
./a20190214160303.Rmd | todo `datamart_log = np.log(datamart_rfm)` 这种在 R 中是否可行。 |
./ch3.Rmd | todo Cube root transformation |
./ch4.Rmd | todo Mathematical methods - silhouette coefficient |
./a20190213183311.Rmd | todo Python 数据没法提取 |
./a20190214181252.Rmd | todo RFMTC |
./a20190214160303.Rmd | todo SSE 如何定义 |
./ch1.Rmd | todo vanity metrics 是什么? |
./a20190213183311.Rmd | todo 更新引用 |
./a20190213183311.Rmd | todo 合并原来 cohort 分析的内容 |
./a20190214160303.Rmd | todo 如果有 skewness 其实最好的方式是直接使用 cox 转换就好了。 这里可以参考 Max Kuhn |
./download-pages.Rmd | todo 先阅读 slides 有一定的思路先 |
./ch2.Rmd | todo 需要和其他的 RFM 合并,博客中的 |
./a20190214160303.Rmd | todo 之后怎么上线呢? |
./ch1.Rmd | 缺少 对 cohort 图的解读 |
./ch1.Rmd | 应该看如何对 behavior 和 size 进行cohort,查询下。 这是让我感兴趣的。 |