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。
    
  
  7 t8 V: i- b9 N8 G& M6 o

使用KMeans进行客户细分

1. from sklearn.cluster import KMeans\" s! }3 ~9 f  m( J6 d$ E
   
2. from sklearn.preprocessing import StandardScaler# J9 |7 ^6 B7 x( F9 W, U- r# }
   
3. import pandas as pd
   - K6 U9 V; K- j( x5 D
4. 
   2 e' Q1 j1 B- y. Z' d/ s( F
5. # 加载客户数据集4 K( U8 }- d  l: q
   
6. # 假设df是一个Pandas DataFrame，包含了你感兴趣的特征
   + G3 s& W( K\" ]1 X7 Q( T
7. # df = pd.read_csv('your_customer_data.csv')  [( n; L* z& O; z8 I
   
8. 2 L\" U$ ^1 C$ B/ _
   
9. # 对数据进行标准化处理\" O) B9 j0 s% ~* p6 R& W  q* o$ D
   
10. scaler = StandardScaler()
    6 r$ D% w. I( N\" b: n\" f. L: h
11. scaled_features = scaler.fit_transform(df)
    ( {* H4 e! J7 L! e
12. 
    / t% P- f- H\" ?# y
13. # 使用KMeans进行聚类/ o% ~& Q5 T1 w$ X\" k+ {
    
14. kmeans = KMeans(n_clusters=5, random_state=42)2 [  X, H\" X3 a: x
    
15. kmeans.fit(scaled_features)
    1 X' U( G9 @4 c
16. 
    * F8 A- f. X5 t, Z2 v6 Y
17. # 将聚类结果添加到原始DataFrame中
    , S; L0 L! t\" F7 i
18. df['Cluster'] = kmeans.labels_) W2 [4 y( X( t( U2 `$ H  Z1 k* o
    
19. 
    9 Q\" k  D5 m5 d4 I/ Q! M, N
20. # 查看聚类结果
    8 q* c+ V( y8 \! T! b8 q: }/ 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
   3 @, c- r+ g4 }6 T. M2 g9 G6 I  |
2. ' E% O. b! D, {& x, S. a0 T1 N
   
3. # 使用DBSCAN进行聚类
   % i4 K( c\" w* c2 Z& A
4. dbscan = DBSCAN(eps=0.5, min_samples=5)5 h) d: N0 W+ f- ]5 x& A\" |
   
5. df['Cluster'] = dbscan.fit_predict(scaled_features)
   7 o\" c- f+ F' S; r\" }
6. 3 E: u1 _\" o0 J; G& r
   
7. # 查看聚类结果
   $ _\" d( H$ [5 K  P
8. print(df.head())

复制代码

层次聚类

1. from sklearn.cluster import AgglomerativeClustering
   & P# E0 X, H/ J/ M\" x* s) c
2. 
   \" V2 A\" x* M* h4 k
3. # 使用层次聚类进行聚类6 J- N! o- ?( A9 I+ [9 o: Z
   
4. agg_clustering = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward')6 o; E- \) c: a' O9 }0 g' B
   
5. df['Cluster'] = agg_clustering.fit_predict(scaled_features): m6 Z! y9 g  V+ t$ L2 S$ |( k* {
   
6. 
   3 t% O  ~+ M+ M7 u3 D: z
7. # 查看聚类结果# Y8 U6 T9 g, }4 B: s\" m
   
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。
% U7 T: F& g% X- C: r$ Z0 `; CDBSCAN：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。
( Z. A+ [4 k( E/ q1 h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
# M. G) Y) U* K. Y
& R0 i! }. b- G" M+ p
7 R1 R) `; g* {- c3 e, ^% n