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。
    
  
  : J/ e) F* J2 o' o- f( s) j" I1 z9 E

使用KMeans进行客户细分

1. from sklearn.cluster import KMeans
   : w, D' v* w7 x. K
2. from sklearn.preprocessing import StandardScaler
   2 [2 Z8 x* i; X8 `
3. import pandas as pd$ S& G5 \+ O0 q\" p' l
   
4. 
     ]. B, c( l/ N\" i* v7 p# A
5. # 加载客户数据集
   0 H, S: W/ V  t# _3 [. U
6. # 假设df是一个Pandas DataFrame，包含了你感兴趣的特征
   - C. E! J# F. y
7. # df = pd.read_csv('your_customer_data.csv')- N3 G- i: Z7 l/ q; R
   
8. # `: I9 b, A\" g$ D: B; I
   
9. # 对数据进行标准化处理3 k* U) c( C3 n9 F! O5 l: n
   
10. scaler = StandardScaler()
    ) Q9 _, W, `2 g( v) A- z! V1 H
11. scaled_features = scaler.fit_transform(df)# N# P6 V  _# y+ |\" }
    
12. ( f5 p9 h+ {5 l3 H8 d
    
13. # 使用KMeans进行聚类
    - o+ Q* k9 {* v5 u, v9 i8 Q
14. kmeans = KMeans(n_clusters=5, random_state=42)
    3 Y! h+ g+ b5 _+ c( S) P- U
15. kmeans.fit(scaled_features)) l( u3 S5 @5 j4 E1 X
    
16. 
    ' p# {+ [, x\" T9 x; X1 _
17. # 将聚类结果添加到原始DataFrame中3 A; g' B& d6 R1 x5 u9 v
    
18. df['Cluster'] = kmeans.labels_. N, F* A3 o4 E9 h- y& t8 k: s
    
19. 
    \" H9 j# s  e6 C1 s$ v
20. # 查看聚类结果
    5 g& |& a$ e. v: t3 y. J
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
   * H: v3 E% L3 j; ?/ v# @
2. 
   & |8 {! D- c' q  F# l. T
3. # 使用DBSCAN进行聚类
   7 M6 x+ a8 u- g7 L
4. dbscan = DBSCAN(eps=0.5, min_samples=5)
   ( c; f2 I( I/ D+ |: R- R* G- q0 r4 u% ?
5. df['Cluster'] = dbscan.fit_predict(scaled_features)' b- O) |0 P, D8 _1 w% \\" A
   
6. 
   7 g3 V% s! I, D
7. # 查看聚类结果
   \" Y- Q/ x' N) R9 B
8. print(df.head())

复制代码

层次聚类

1. from sklearn.cluster import AgglomerativeClustering
     j' s- O# Q+ F3 X7 \% \) _: D9 y$ s
2. + @% B0 T3 j7 C( E  V- e9 ~2 G
   
3. # 使用层次聚类进行聚类6 D  z3 j5 w' a* T# \! S% K
   
4. agg_clustering = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward')
     @  D+ J2 K. T) D6 V
5. df['Cluster'] = agg_clustering.fit_predict(scaled_features): K& ^3 d  z: _' {0 W  k
   
6. 
   ! l5 [1 r) H( W3 {5 K
7. # 查看聚类结果  x) C# v/ H6 B0 F8 `9 }  t\" ^
   
8. print(df.head())

复制代码

调整参数和选择算法
" C$ J" i, A% E. C* Z1 p9 YKMeans：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。
4 {5 t: w- C3 L% P2 uDBSCAN：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。
; B7 c  g. P0 y8 R' D/ g! ]4 x4 N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

) T0 a2 L  Z, T$ ~) x# }; ~
, Q) o( Z! W* R& d
: C4 L3 l- `6 z4 {