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。
    
  
  

使用KMeans进行客户细分

1. from sklearn.cluster import KMeans
   * R/ P# @% D* s5 c' ^% r
2. from sklearn.preprocessing import StandardScaler: J& @& w/ m3 I! Y( m+ P
   
3. import pandas as pd
   & a2 \: W2 J- }8 X
4. 
   : ^) F- Z. L# [8 ~# }( T
5. # 加载客户数据集
   * {& B/ l; E$ B( U+ ], c0 J1 M
6. # 假设df是一个Pandas DataFrame，包含了你感兴趣的特征
   : i( z/ P7 [\" _$ j
7. # df = pd.read_csv('your_customer_data.csv')
   % ^. s; p8 ^\" Y+ y2 ?$ a9 c
8.   J: Z$ P4 _9 V) f1 h
   
9. # 对数据进行标准化处理( Y5 x  k; q/ a& g
   
10. scaler = StandardScaler()0 D; p, o3 e3 F
    
11. scaled_features = scaler.fit_transform(df)1 A: N  Z\" r8 A5 `
    
12. 
    ' U# Q0 e5 D, u
13. # 使用KMeans进行聚类' D+ u2 ]! c' Q' D5 V3 b
    
14. kmeans = KMeans(n_clusters=5, random_state=42)  Q) A$ y, c2 d) v
    
15. kmeans.fit(scaled_features)- F* _7 z: E3 V6 F* G( D& V
    
16. 
    7 |1 o! q' ?, |- L0 M
17. # 将聚类结果添加到原始DataFrame中
    # a2 C8 l$ f5 c4 T2 @
18. df['Cluster'] = kmeans.labels_
    ; R+ `) N$ j* C) G: t+ }2 Z8 n) u: M% u6 e
19. 
    . K9 I/ T+ M* l$ q1 p! r
20. # 查看聚类结果
    3 u3 j. P5 ^. @\" e) V
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
   # [$ g% }\" ?: Y% N, k! H4 @
2. ( `9 L3 D8 q) Y  s' M5 q3 I# e
   
3. # 使用DBSCAN进行聚类. S6 }1 m, X7 ?+ p6 o2 O5 \6 T\" x
   
4. dbscan = DBSCAN(eps=0.5, min_samples=5)
   7 k6 Q  g* v9 `9 n' C: K. R9 I
5. df['Cluster'] = dbscan.fit_predict(scaled_features)3 k  I8 N; s7 A
   
6. ( H7 L! z0 @# X8 M* g
   
7. # 查看聚类结果
   2 A0 R8 n9 T6 z4 D. g  ^' w
8. print(df.head())

复制代码

层次聚类

1. from sklearn.cluster import AgglomerativeClustering6 f, O9 G0 V1 d% O
   
2. ! Q! m\" @% ]5 M/ v; X
   
3. # 使用层次聚类进行聚类
   / u7 o- q# N8 T- _  Y\" _
4. agg_clustering = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward')3 a) m7 M- n/ R6 U! [
   
5. df['Cluster'] = agg_clustering.fit_predict(scaled_features)
   ) D\" Y( s/ l) {) S$ n
6. 
   ! N, p; `, l9 z! K: }% @/ c# g
7. # 查看聚类结果
   3 [7 I9 d+ W. ?, u* {
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。
$ ~8 e' c8 N4 }+ t5 [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。
) I3 k+ |- ?9 n* g2 e7 S/ E! 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


- H& ]# F2 `+ _+ L: t