数学建模社区-数学中国

标题: 无监督学习练习 对客户进行分组 [打印本页]

---

作者: 2744557306    时间: 2024-3-31 16:38
标题: 无监督学习练习 对客户进行分组

• 客户细分（K-均值聚类）
  • 数据集：使用任何公开的客户数据集，如零售数据。
  • 任务：根据购买行为对客户进行分组。
  • 挑战：尝试不同的聚类算法（如DBSCAN、层次聚类）和调整参数来找到最佳的客户分组。
    
  
  

使用KMeans进行客户细分

1. from sklearn.cluster import KMeans
   
2. from sklearn.preprocessing import StandardScaler
   
3. import pandas as pd
   
4. 
   * J& H4 c2 ^4 a- x8 t- e
5. # 加载客户数据集
   
6. # 假设df是一个Pandas DataFrame，包含了你感兴趣的特征
   2 g$ K2 z( C% v' l/ ^! z
7. # df = pd.read_csv('your_customer_data.csv')
   + Q# b; ~. [/ n6 c7 S" Q6 y3 e; r
8. 
   . b- r7 ^- {! F& U% {$ p
9. # 对数据进行标准化处理
   5 a6 t0 \0 J3 d6 {8 e
10. scaler = StandardScaler()
    
11. scaled_features = scaler.fit_transform(df)
    
12. 
    9 C) [# _4 V  O" j* R' c
13. # 使用KMeans进行聚类
    
14. kmeans = KMeans(n_clusters=5, random_state=42)
    ) G# D+ [) Z" r3 B+ f; p
15. kmeans.fit(scaled_features)
    
16. 
    
17. # 将聚类结果添加到原始DataFrame中
    
18. df['Cluster'] = kmeans.labels_
    , j! b, m: [5 w  L# v
19. 
    
20. # 查看聚类结果
    6 X. ]* z, p8 S) Q; O) ?# Y* s
21. print(df.head())

复制代码

在这个示例中，我们首先对特征进行了标准化处理，这是聚类分析中的一个常见步骤，以确保所有特征在相同的尺度上。然后，我们使用KMeans算法对客户进行了分组，这里假设我们想要将客户分成5个群体。

尝试其他聚类算法DBSCAN

1. from sklearn.cluster import DBSCAN
   ! b1 `' T: g! J$ b; a! z
2. 
   : k3 X" }- F9 }7 m' K. y8 V
3. # 使用DBSCAN进行聚类
   
4. dbscan = DBSCAN(eps=0.5, min_samples=5)
   
5. df['Cluster'] = dbscan.fit_predict(scaled_features)
   8 g. ?( i. m% _
6. 
   
7. # 查看聚类结果
   
8. print(df.head())

复制代码

层次聚类

1. from sklearn.cluster import AgglomerativeClustering
   
2. 
   
3. # 使用层次聚类进行聚类
     W" Y8 `5 T& [3 G9 V+ _
4. agg_clustering = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward')
   
5. df['Cluster'] = agg_clustering.fit_predict(scaled_features)
   * F  W4 a5 K+ N- I. s" c) M' b
6. 
   3 |: {) V2 w4 e  L. n* n
7. # 查看聚类结果
   1 T+ W& L( z, f% f7 c4 D% @
8. print(df.head())

复制代码

调整参数和选择算法
3 A0 l1 M3 L3 h8 ?; \; |KMeans：n_clusters是一个关键参数，决定了聚类的数量。可以使用轮廓分析或肘方法来帮助确定最佳的聚类数量。
- [: ^% q9 Y+ N) i9 ^DBSCAN：eps和min_samples是关键参数，分别决定了样本成为核心点的条件。这些参数对结果的影响较大，通常需要通过尝试不同的值来找到最佳的参数设置。
层次聚类：n_clusters、affinity和linkage是重要的参数，它们分别控制聚类的数量、用于计算距离的方法和聚类合并的准则。
选择哪种聚类算法以及相应的参数设置，取决于数据集的特性和分析任务的目标。实践中，通常建议尝试多种聚类算法和参数配置，然后根据聚类的质量（例如，通过轮廓系数评估）来选择最佳的方法
7 Q6 {0 a4 X  M$ O( Z2 x( Y! a

1 }/ c$ a- g  R, l
7 b( Q4 p, A- v5 Z, a

---

欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)

Powered by Discuz! X2.5