问题标签 [lifetimes-python]

我有一个表“df”，其中包含以下变量和样本值：

我正在尝试运行以下查询：

但是我得到的输出如下所示，我真的无法解决问题所在，请协助。

我正在尝试使用生命周期包来查找使用 python 3.0 笔记本设置的客户生命周期价值。我收到错误 AttributeError: module 'scipy.misc' has no attribute 'logsumexp' 。

我尝试使用 from scipy.special import logsumexp 而不是来自 misc 包。但我仍然得到同样的错误。在此更改之后，我什至现在都没有导入 misc。

还有其他方法可以解决这个问题吗？

我正在尝试使用lifetimespython 库计算 CLV（客户生活价值）

所以，我正在拟合购买行为数据ParetoNBDFitter和拟合购买价格数据GammaGammaFitter。

并且当我尝试基于 计算 CLV 时GammaGammaFitter.customer_lifetime_value()，关于

有趣的是，我昨天可以成功计算 CLV，但今天出现了上述错误。代码和数据没有被修改。

我的代码按日期循环，每次我重新定义模型然后计算 CLV。

阅读文档和 Lifetimes 的特定装配工。

我有一个约 166K 客户（行）的数据集，这些数据集采用模型适应所需的新近度、频率和 T 格式。我使用以下代码，类似于快速入门部分中概述的代码：

我的目标是缩短健身时间。对于上下文，我正在运行多次拟合此模型的模拟。这里多次表示，如果可以的话，~ 720 * 10,000。那是很多时间。即使在保守的水平（~ 180 * 100），这仍然需要半天时间。

在模型拟合后，我确实有大约 3 个其他功能可以运行。设法矢量化一个，现在它们都运行低于/大约 0.04 秒。该模型的拟合是运行时间的最大贡献者。

所以，我想这里的一般问题是如何优化开箱即用的装配工？我怀疑这是可能的，但不确定。

我是这个领域的新手，充其量是一个体面的编码器/开发人员。我可以在需要的地方添加更多上下文，但认为上述内容已经足够合适了。欢迎提供建议、指导和有用的评论！谢谢！

我需要构建一个调用lifetimespython 包的 Java/Python 管道来每天计算客户生命周期价值。

目前我们大约有 10-2000 万行交易数据。我想知道在处理这么多数据时，生命周期包的可扩展性如何？

如果扩展性不够，如何与 Apache Crunch 集成并行计算？谢谢！

我正在使用生命周期库来构建客户生命周期价值模型。该库附带一个名为的方法，该方法conditional_expected_number_of_purchases_up_to_time允许您预测数据集中每个客户在指定时间段内的购买情况。

这是我正在使用的数据框：

数据框中的每一行代表一个单独的客户。为了预测每个客户在接下来的 4 个时期内的预期购买次数，我将执行以下代码：

我现在想要做的是，对于数据框中的每一行，在他们的余生中估计剩余购买的总数。我们将此数量称为剩余客户购买量 (RCP)。

为此，我定义了两个函数：第一个函数计算两个时间段之间的 RCP 增量，第二个函数通过递增来近似总 RCP，t直到增量 RCP 低于特定容差水平：

第一个功能按预期工作。但是当我尝试执行第二个函数（approximate）时，我收到了这个错误：

ValueError：Series 的真值不明确。使用 a.empty、a.bool()、a.item()、a.any() 或 a.all()。

我希望近似函数迭代单行的 RCP 函数，直到 RCP 值不再增加，并对数据帧中的每一行逐一执行此操作。

我做错了什么，我应该怎么做？