无监督学习练习 对客户进行分组

2744557306

• 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。
    
  
  1 f% x" s! @% s. h2 H: w

使用KMeans进行客户细分

1. from sklearn.cluster import KMeans
   3 e/ c' c* Z, L3 V
2. from sklearn.preprocessing import StandardScaler% ~- V6 T  i% I* G
   
3. import pandas as pd
   ( c* ?1 l& A2 p5 J
4. 
   6 `1 q\" q* v, Z. f0 i' Y
5. # 加载客户数据集
   3 u. [7 B' e% z3 o- R
6. # 假设df是一个Pandas DataFrame，包含了你感兴趣的特征
   : k5 T, H\" K; n+ [
7. # df = pd.read_csv('your_customer_data.csv')6 p: f2 B- f3 m6 r, X7 L4 g
   
8. / i  z& M\" p6 q0 Q3 b6 ~  m$ y
   
9. # 对数据进行标准化处理
   8 Y2 @- c: ], G$ D2 l$ c5 D
10. scaler = StandardScaler()! S9 d+ W  Y: T  X6 j3 _2 [
    
11. scaled_features = scaler.fit_transform(df)2 d3 t7 C: z8 y# g4 j$ t* `
    
12. 
    , }# [$ G0 q% p: ~& k& f, L8 C
13. # 使用KMeans进行聚类2 T6 {( F: p# L9 x% b6 J
    
14. kmeans = KMeans(n_clusters=5, random_state=42)  o$ t4 m1 X5 ?\" F7 W
    
15. kmeans.fit(scaled_features)
    8 Z+ ?4 ^$ m# c9 g7 t/ {9 Q: [
16. * e1 R' ?6 S5 O1 l4 B9 z6 O. `
    
17. # 将聚类结果添加到原始DataFrame中1 L/ y* i# ~* }% R, T' \) F
    
18. df['Cluster'] = kmeans.labels_
    0 y% e8 F( O# V$ S. W; h3 c% k  U
19. 
    # w, z$ p9 G2 x2 C) F( l) m
20. # 查看聚类结果
    # C# B$ r. l& V) D* R
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
   , L% X+ d3 c+ ^% `
2. 
   ( q\" {9 ?2 [- h5 M
3. # 使用DBSCAN进行聚类
   2 _; u. c+ m9 i6 u
4. dbscan = DBSCAN(eps=0.5, min_samples=5)- r0 L$ h* D( s6 x
   
5. df['Cluster'] = dbscan.fit_predict(scaled_features)
   0 h  K7 s4 L' a, p/ R; E
6. : o0 g+ C9 C1 J+ F1 w- {7 i
   
7. # 查看聚类结果0 [* Y# E- r+ a9 t6 G, W0 \6 k, T
   
8. print(df.head())

复制代码

层次聚类

1. from sklearn.cluster import AgglomerativeClustering
   2 ]3 {! t' `% X. m
2. : H2 D/ h) @3 a/ T\" p
   
3. # 使用层次聚类进行聚类
   $ d) T7 W. ~  L) E\" M: _
4. agg_clustering = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward'). {3 y2 h& Z& k8 l. {
   
5. df['Cluster'] = agg_clustering.fit_predict(scaled_features)
   1 u  J# _8 x% H, E0 K. v
6. . S/ K% J. b/ J
   
7. # 查看聚类结果\" t\" o; S' I; O4 q' Y: N1 y
   
8. print(df.head())

复制代码

调整参数和选择算法
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。
: [2 |9 X7 s& B0 ]! c$ `1 DDBSCAN：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。
8 @4 e1 r) y# i! ^9 I! r% w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。
0 m' [0 F! |+ k1 F* a' s/ {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


  T/ B  Z7 F3 t- o# u) {5 h6 C# \