查看: 1734|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

1186 主题	4 听众	2922 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。7 t; I. g/ v' h* k/ W6 r% Z
( g: ^) e7 T- C8 C: s2 \

使用KMeans进行客户细分

from sklearn.cluster import KMeans
8 p\" J# ^& u- ^& g$ ] r0 u- h
from sklearn.preprocessing import StandardScaler
a4 r3 O\" ]% M& b& d
import pandas as pd
: x4 I. [7 W7 w, a1 S
6 c5 K1 _- j3 o* ^
# 加载客户数据集, N! q; N! J8 J$ |' w/ S
# 假设df是一个Pandas DataFrame，包含了你感兴趣的特征3 c$ y% \0 b$ x* I5 v- g1 t
# df = pd.read_csv('your_customer_data.csv')
; W, ]- S$ e2 ]2 w- J1 o
9 M; S1 c9 [% |& g
# 对数据进行标准化处理* S# Y, t- L8 Q6 `2 |
scaler = StandardScaler()9 u2 K8 r) I7 N8 x2 _6 ^
scaled_features = scaler.fit_transform(df)
( x7 L- C) F t5 y\" F% z1 g* [8 u
`+ h0 v9 A\" h x* z! O; @1 ?
# 使用KMeans进行聚类
v) r m* v! m/ R
kmeans = KMeans(n_clusters=5, random_state=42), |. ], R0 z! V9 Z. Q8 {\" ~- y\" g
kmeans.fit(scaled_features)
0 `0 {: w+ b0 J3 R
6 {, W, S; H& s! o& c3 h
# 将聚类结果添加到原始DataFrame中
* D% Z/ k: Y0 m& \2 t |
df['Cluster'] = kmeans.labels_
# b, m2 H* {( e
1 y) ?/ j) K, @: D5 z3 S
# 查看聚类结果* y1 U/ Q9 U0 X* R4 q
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
D1 l$ G5 K' s, x! A
! T% o8 I' h\" m6 k8 x
# 使用DBSCAN进行聚类5 K/ T! ]6 p3 T W3 L1 D
dbscan = DBSCAN(eps=0.5, min_samples=5)+ t% ], ?\" F* r ~5 C, _9 m {3 p
df['Cluster'] = dbscan.fit_predict(scaled_features)
1 X- `& N! o+ g5 S ^
! w, X2 f1 m3 c\" {7 u
# 查看聚类结果% s2 z! y9 N# [: }9 G. h, V
print(df.head())

复制代码

层次聚类

from sklearn.cluster import AgglomerativeClustering
/ ?5 Z9 o1 [/ u: c9 t& Y1 Y
$ d% L; l, q& P4 o
# 使用层次聚类进行聚类
4 }: U& G: d0 W
agg_clustering = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward')
+ f0 X7 i8 _7 s* R
df['Cluster'] = agg_clustering.fit_predict(scaled_features)
) q* c7 w' k! I9 E! G. q\" ?
3 h* W8 h0 L# Y
# 查看聚类结果4 @) F2 N1 \; Z2 E
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