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。
    * i- B+ A: d8 q1 Y/ D) a
  
  

使用KMeans进行客户细分

1. from sklearn.cluster import KMeans
   ) t\" ?+ A9 j- ]8 p3 h: q( ^4 [4 Z
2. from sklearn.preprocessing import StandardScaler
   8 B2 G7 H1 ]* F- n1 ]2 a
3. import pandas as pd
   ; ?4 i5 r6 S. [0 |
4. * V, ^1 o7 `! k; C/ i: q( k
   
5. # 加载客户数据集
   2 H$ m2 g6 V) T( U: K1 V* P
6. # 假设df是一个Pandas DataFrame，包含了你感兴趣的特征
   0 c% Y& I9 S- K; _, u, w
7. # df = pd.read_csv('your_customer_data.csv')* P2 j. K1 k! b
   
8. ; u3 ~! e- [9 |+ K# B' a
   
9. # 对数据进行标准化处理2 C. M9 |2 I. z$ \4 [. c  d& S2 a
   
10. scaler = StandardScaler()5 ?' u7 d+ `2 C8 T1 n
    
11. scaled_features = scaler.fit_transform(df)
    7 a8 E! r3 c, t  N
12. ' c: C5 \4 W1 q* H% ^
    
13. # 使用KMeans进行聚类; t* A6 `! `' j4 d
    
14. kmeans = KMeans(n_clusters=5, random_state=42). {* C+ D9 [2 A  W; Z
    
15. kmeans.fit(scaled_features)2 \- [6 d1 i+ k) Q+ H
    
16. 
    3 m( }- F2 y6 J# N# X
17. # 将聚类结果添加到原始DataFrame中2 \' }! P) w! \- l3 x
    
18. df['Cluster'] = kmeans.labels_
    3 K' b4 @4 ]& E; B
19. 
    8 Z\" |5 H2 ?3 P
20. # 查看聚类结果
    \" X6 z5 p; P, F. n5 T8 c: a5 U
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
   9 G( Y0 j\" c9 [7 i, F8 {' U
2. 
   * Y! `) F. j' k
3. # 使用DBSCAN进行聚类
   8 r. X7 n2 l7 U% S; f# R% I
4. dbscan = DBSCAN(eps=0.5, min_samples=5)# t0 y, S( L; r
   
5. df['Cluster'] = dbscan.fit_predict(scaled_features)
   + N# Q1 U+ @2 e' S5 j* ]  G
6. 
   ; \' I. K2 i* y1 s3 _7 P
7. # 查看聚类结果
   1 U' ~. W\" Y9 F\" C. Y4 ]+ r
8. print(df.head())

复制代码

层次聚类

1. from sklearn.cluster import AgglomerativeClustering( X0 t# \3 b1 v
   
2. ! B* s0 N\" u\" Y
   
3. # 使用层次聚类进行聚类
   , s' f8 b# W; O1 {. Z/ G, X$ E
4. agg_clustering = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward')! P1 A- c: |* l! L4 n
   
5. df['Cluster'] = agg_clustering.fit_predict(scaled_features)
   , O$ R5 Q- W* P1 p% k# y
6. 
   * r0 |7 u. H7 g9 J# v$ X5 j8 V! [! B
7. # 查看聚类结果
   9 ^) G3 m; d  c, 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。
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。
& G4 s7 v6 Z6 C0 J3 f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
" @* J$ |; g3 x/ L- l

! \& j3 t- i8 J/ E8 z( x