查看: 1535|回复: 0

无监督学习练习对客户进行分组

字体大小: 正常放大

1183 主题	4 听众	2908 积分

该用户从未签到

电梯直达

1^#

发表于 2024-3-31 16:38 |只看该作者 |倒序浏览

|招呼Ta 关注Ta

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。
  9 z2 e ~) n3 Y8 Z
+ A" _) \4 N9 _0 N; x$ V

使用KMeans进行客户细分

from sklearn.cluster import KMeans
& E7 f6 f5 G6 p& T0 Z/ P. E0 D1 _
from sklearn.preprocessing import StandardScaler
* X& f$ ~1 J9 V4 }2 J
import pandas as pd
0 n+ u: ~# q; G, F
: J! {* f! {% h k4 |' B
# 加载客户数据集
A: R+ f) v3 O& ~7 D( K8 Z
# 假设df是一个Pandas DataFrame，包含了你感兴趣的特征
* ~ t\" ^7 U% z/ w
# df = pd.read_csv('your_customer_data.csv')
3 p5 X1 m) q9 j$ r$ A1 @
; H$ w% H2 J0 X0 `8 R8 W% j
# 对数据进行标准化处理: m\" W% s: j3 ?8 F9 t) U
scaler = StandardScaler()5 _. H( S) L8 \% a
scaled_features = scaler.fit_transform(df)
! S5 ~; [; o# p: i
5 J' F+ r\" H; F8 V
# 使用KMeans进行聚类, y R; U' `4 _0 f2 ^- i
kmeans = KMeans(n_clusters=5, random_state=42): ]6 M& y& u* C1 d4 J# y
kmeans.fit(scaled_features)
0 t7 ], { B4 d( x+ b U5 A
( v7 J# S9 }2 {- o; p9 J
# 将聚类结果添加到原始DataFrame中
1 z& { T, n: p7 U\" ]2 Q\" m
df['Cluster'] = kmeans.labels_
U/ @+ e/ N7 v8 `, h, {! U8 }
5 H e9 g+ W4 [8 x( D7 O+ a( H7 @
# 查看聚类结果8 }7 T0 R) r; B5 O\" c( d: h
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

from sklearn.cluster import DBSCAN* z+ q$ ]9 e0 J( @- c8 J6 T
) v! o- |9 ]9 X: M
# 使用DBSCAN进行聚类
: u\" t% Y) R$ }
dbscan = DBSCAN(eps=0.5, min_samples=5) R/ @' R$ O3 i\" r9 I
df['Cluster'] = dbscan.fit_predict(scaled_features)
; y6 m# C- H# `% c9 }7 W
9 N5 U* K3 o+ H& _, Y6 r
# 查看聚类结果
& M; Z' v W% W' \\" p
print(df.head())

复制代码

层次聚类

from sklearn.cluster import AgglomerativeClustering
& E; q' g2 S5 ~\" N( ~3 Y. K
3 e6 ~ G( o$ |0 G6 ~9 Q
# 使用层次聚类进行聚类4 O. L- |# k* H& K# c
agg_clustering = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward')
; t2 V' y# ^8 R9 Y
df['Cluster'] = agg_clustering.fit_predict(scaled_features)
/ j* a% S$ h& R
/ b' w; ^' z/ w1 m. [' F
# 查看聚类结果
; C' A* W& H# `2 D& I8 F# x
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。
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

zan