文件名称：lifetimes:Python的生命周期价值
文件大小：615KB
文件格式：ZIP
更新时间：2024-05-27 09:12:19
python data-science statistics Python
衡量用户很难。 终生轻松。 请先读我：生命周期项目的最新消息 :waving_hand: 该项目已移至“维护模式”。 我不会在该项目上添加新功能，改进甚至回答问题（但可能不会偶尔修复错误）。 为什么？ 我不再使用生命周期，也不跟上有关RFM的文献。 我希望看到一个可以进一步提升RFM的后继库（请添加协变量！） 介绍 可以根据以下假设使用生命周期来分析您的用户： 用户“活跃”时会与您互动。 被研究的用户可能会在一段时间后“死亡”。 我引用了“活着”和“死亡”，因为它们是最抽象的术语：随时使用自己定义的“活着”和“死亡”（它们在生存分析中的用法类似于“出生”和“死亡” ）。 每当我们有个人重复出现时，我们就可以使用生命周期来帮助理解用户的行为。 应用领域 如果这太抽象了，请考虑以下应用程序： 预测访问者多久返回一次您的网站。 （活着=访问。死=决定该网站不适合他们） 了解患者多久可以返回医院。 （活着=来
【文件预览】：
lifetimes-master
----.github()
--------CODE_OF_CONDUCT.md(3KB)
--------workflows()
----.prospector.yaml(814B)
----LICENSE.txt(1KB)
----requirements.txt(245B)
----CONTRIBUTING.md(4KB)
----.travis.yml(593B)
----setup.cfg(770B)
----setup.py(1KB)
----README.md(5KB)
----lifetimes()
--------utils.py(26KB)
--------fitters()
--------__init__.py(594B)
--------datasets()
--------plotting.py(19KB)
--------generate_data.py(10KB)
--------version.py(88B)
----Makefile(680B)
----.pre-commit-config.yaml(412B)
----docs()
--------More examples and recipes.md(2KB)
--------make.bat(807B)
--------Saving and loading model.md(1KB)
--------docs_requirements.txt(63B)
--------conf.py(6KB)
--------High Level Overview.md(3KB)
--------lifetimes.datasets.rst(139B)
--------lifetimes.fitters.rst(1KB)
--------Changelog.rst(4KB)
--------index.rst(510B)
--------Makefile(655B)
--------Quickstart.md(14KB)
--------modules.rst(64B)
--------intro.rst(4KB)
--------lifetimes.rst(647B)
----tests()
--------test_plotting.py(49KB)
--------__init__.py(0B)
--------test_estimation.py(42KB)
--------__main__.py(147B)
--------conftest.py(205B)
--------test_generate_data.py(4KB)
--------test_utils.py(25KB)
----.gitignore(834B)
----CHANGELOG.md(3KB)
----dev_requirements.txt(116B)