查看: 1864|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

1192 主题	4 听众	2946 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。
  3 J1 s. k/ {6 p; {
5 A2 J& \- p) H5 r

使用KMeans进行客户细分

from sklearn.cluster import KMeans
( t0 m, q6 i: F\" h: K$ j$ {
from sklearn.preprocessing import StandardScaler, x' S8 u% R1 {' `! _
import pandas as pd
/ A: e z9 `. R- B0 c; v9 s }
- M; @9 |+ v! M! n% [
# 加载客户数据集
, T1 i* t( i- b/ x
# 假设df是一个Pandas DataFrame，包含了你感兴趣的特征
3 R& x+ s' q% G3 J1 i* ~
# df = pd.read_csv('your_customer_data.csv'), o0 t6 f5 J\" V* E* s1 t
' a8 z. s# U$ W( D# b' a- q
# 对数据进行标准化处理( f8 w; I! Q; Z2 K& Y- o
scaler = StandardScaler()\" p3 a' x( M( t- S* v2 w
scaled_features = scaler.fit_transform(df)% w9 m/ T/ J& O( r
) n8 W' l f. P# n# @
# 使用KMeans进行聚类\" O* w1 u4 s+ X0 ?* x
kmeans = KMeans(n_clusters=5, random_state=42)\" U/ l$ f- Q6 Q
kmeans.fit(scaled_features)\" e3 C- @* J3 `3 ]
. c s3 l% F+ a5 e) W
# 将聚类结果添加到原始DataFrame中. i/ L; y' k) B3 B. D( u- ?
df['Cluster'] = kmeans.labels_
8 x2 L( M2 B: G N$ b. l
# u) O/ J6 o) y* A' ^
# 查看聚类结果
1 l) e* D4 x1 Z+ ]0 k# M' U' b
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
/ T7 Z/ y: G; v\" Y# M7 U
8 x3 ], Z7 E3 v\" `/ i\" }' D6 h
# 使用DBSCAN进行聚类/ d& f/ b: f& [
dbscan = DBSCAN(eps=0.5, min_samples=5)
5 P/ U! g% [5 w& {4 N+ Z; O! Q
df['Cluster'] = dbscan.fit_predict(scaled_features)- d; e* V4 D$ q' S, U0 t
. D; b; F S |+ p9 ]& j3 W8 c( \
# 查看聚类结果
7 w! M+ ]1 F, j! P5 c
print(df.head())

复制代码

层次聚类

from sklearn.cluster import AgglomerativeClustering
% V, {. e- R\" K/ A* G
! \! r( T( f h
# 使用层次聚类进行聚类5 e& g+ T+ I: I6 f
agg_clustering = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward')
( i- ^+ T\" U+ J
df['Cluster'] = agg_clustering.fit_predict(scaled_features)
! O5 `8 C% B5 Q( M9 j6 ^
1 T) S! z& R' C, \, T; \& s
# 查看聚类结果
% I% l9 `8 K# S: ]
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