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。
    : |: P# w& Z8 {+ e
  
  " ?, s/ w8 P/ T6 ]! P$ X

使用KMeans进行客户细分

1. from sklearn.cluster import KMeans7 c1 ?5 x0 O# U\" X, e* l( v  U
   
2. from sklearn.preprocessing import StandardScaler
   4 R. s# M$ p1 i) O* h4 E4 l
3. import pandas as pd
   ' E# G7 R: U( I0 ?
4. ( g  o3 n* y5 [% A
   
5. # 加载客户数据集
   % ]( y0 [* k$ X% d$ O
6. # 假设df是一个Pandas DataFrame，包含了你感兴趣的特征5 K+ f7 t; P# M, ]1 ~
   
7. # df = pd.read_csv('your_customer_data.csv')
   1 ^6 v' F0 E# d
8. 
   $ m3 Z0 A8 `9 V3 F
9. # 对数据进行标准化处理
   - o: y) g3 C$ Z% P( r0 k. J7 i1 j
10. scaler = StandardScaler()\" V0 d) K# Y' g  R( H2 Y/ G
    
11. scaled_features = scaler.fit_transform(df)/ B; Y, P! D6 `9 U  s
    
12.   d9 Z9 R$ J. a3 r/ ?5 I  |
    
13. # 使用KMeans进行聚类) j. c( X( P9 X: Z. h5 f' n\" T  r
    
14. kmeans = KMeans(n_clusters=5, random_state=42)0 k/ J6 G1 X: m
    
15. kmeans.fit(scaled_features)
    ! |  E$ ?2 `6 m, Z
16. 
    - Q0 C6 W/ k& m- {. J\" `) e
17. # 将聚类结果添加到原始DataFrame中% t( W, U( g9 q( a$ n/ y' _2 j
    
18. df['Cluster'] = kmeans.labels_
    7 Q: G) r' c  r3 V9 m' a5 m
19. 
    + R, Q& q% t8 @. D: W! i
20. # 查看聚类结果
    , ^; g$ d# d7 Q7 e3 {- X( {/ l
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
   3 m  Y2 P' J  H7 K\" I4 l
2. 
   4 Y6 e5 ?% t2 |% m7 W
3. # 使用DBSCAN进行聚类
   9 F6 F) ?8 Z4 {
4. dbscan = DBSCAN(eps=0.5, min_samples=5)/ Y( b8 S, c$ |, \\" p2 g# ]) V6 N
   
5. df['Cluster'] = dbscan.fit_predict(scaled_features)
   ) v2 d) h; x% A1 z7 M* j\" P
6. 
   # u* {5 ?8 Y+ X\" m
7. # 查看聚类结果
   9 q: p, U/ Y% k
8. print(df.head())

复制代码

层次聚类

1. from sklearn.cluster import AgglomerativeClustering
   1 W9 g) |8 T1 A9 w2 l8 M( P
2. 
   + T9 z+ ]9 f. Y9 t! g
3. # 使用层次聚类进行聚类
   / p; O$ ^* u- B5 c% J$ r
4. agg_clustering = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward')
   3 t6 |* G' ^% f9 x5 S1 z, s
5. df['Cluster'] = agg_clustering.fit_predict(scaled_features)
   ( `) e6 g. B: o
6. 7 l\" J( _: \; |1 |3 E& \. y
   
7. # 查看聚类结果
   1 ]/ v9 g( i. v+ ~' }) G' 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。
- X! [7 F1 [% ^2 V) X; c# b# `& B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


$ |! F1 g$ O3 f
8 J+ S" d8 }% q$ a0 p  B+ a