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。
    ; K) w) ?  {) L0 \
  
  * J5 j" O3 n! \

使用KMeans进行客户细分

1. from sklearn.cluster import KMeans* l4 t! K0 {, J' i) A  }
   
2. from sklearn.preprocessing import StandardScaler) z+ z% X# l, I) `5 p( y
   
3. import pandas as pd) B- \5 j3 J$ v# S: C
   
4. 9 P! Z: J  ?; z! E1 o; o# ?
   
5. # 加载客户数据集, E' x0 a7 S5 N
   
6. # 假设df是一个Pandas DataFrame，包含了你感兴趣的特征5 {8 z' d% \3 e0 @0 \
   
7. # df = pd.read_csv('your_customer_data.csv'); Q\" G  I8 ]' X7 G\" }! j) N
   
8. % u3 D  n. Z$ c* [
   
9. # 对数据进行标准化处理
   0 R6 F: S, d$ o
10. scaler = StandardScaler()
    \" F1 L1 T* D9 ?7 R' M& a
11. scaled_features = scaler.fit_transform(df)
    6 n) w' \) ]; Q& w- C  `# Y
12.   U0 s( D5 ^& V1 j\" c+ @$ u
    
13. # 使用KMeans进行聚类4 t/ R0 V$ e+ y$ q: G  }; [\" u; C
    
14. kmeans = KMeans(n_clusters=5, random_state=42), l3 h8 _\" l5 x. D# Y6 e
    
15. kmeans.fit(scaled_features)% d0 z4 {7 Z! V5 [. s% b$ P
    
16. / i, ]2 M9 u9 G. B* s
    
17. # 将聚类结果添加到原始DataFrame中
    \" p7 [. Q. Q0 @$ B5 ?! L
18. df['Cluster'] = kmeans.labels_
    ! U9 {0 y3 x  F0 B' y1 Y' d+ s
19. 
    4 ^, c$ ]/ G# r: r7 ]( v\" O+ m
20. # 查看聚类结果# x$ }2 z) v% k4 F+ P3 _0 _3 l\" r
    
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/ F1 Y  g. s. V5 U  s  ]% K\" x9 C4 ~2 g
   
2. 
   9 D' [/ n7 l5 y  S) f. S: `0 l
3. # 使用DBSCAN进行聚类
   / J0 ?7 K6 s' V0 j
4. dbscan = DBSCAN(eps=0.5, min_samples=5)
   * ]3 K9 p: y# H! `- \
5. df['Cluster'] = dbscan.fit_predict(scaled_features), e2 B% ^# i9 c: e  i; b0 I. j
   
6. 8 Y9 n/ N, `  f
   
7. # 查看聚类结果
   0 G  h$ h. l+ h% t! J4 q6 r* z# O' l
8. print(df.head())

复制代码

层次聚类

1. from sklearn.cluster import AgglomerativeClustering' A, A. p8 T$ _3 E
   
2. 
   1 h& @. I/ d9 D7 r, S1 e% p/ H
3. # 使用层次聚类进行聚类
   1 V. }5 ~8 _6 n' c: Z- B& `* b' Y
4. agg_clustering = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward')( E( p4 P1 K6 T6 l2 x5 d& u  w3 R, [
   
5. df['Cluster'] = agg_clustering.fit_predict(scaled_features)
   5 T9 Z& ~1 _' C) {! A' R& k8 ^# ?
6. 
   8 i* A% @. ^8 T8 L/ F; v# t
7. # 查看聚类结果
   ( i7 H. |2 U4 E$ `7 e( ~
8. print(df.head())

复制代码

调整参数和选择算法
" O, f4 z5 t+ I8 MKMeans：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
0 A. \, X' V8 U) o
7 j9 b# ^4 V7 k1 F6 Z0 c' Z