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
   ( O; e6 y. p- W9 S
2. from sklearn.preprocessing import StandardScaler
   2 \4 [. p4 N' ?! |! X' u% z( `  t  C! ^
3. import pandas as pd
   . j* h3 Y* t\" `$ r# y' ^
4. % X7 [! W) h8 X2 W$ m) J9 Y
   
5. # 加载客户数据集0 |3 k: C- ^! J/ d8 a
   
6. # 假设df是一个Pandas DataFrame，包含了你感兴趣的特征- _6 }7 }7 i& n! J8 M
   
7. # df = pd.read_csv('your_customer_data.csv')& y. V: G7 ?, i; h6 _5 u\" y
   
8. 
   ) u9 T# W8 Z* G5 x
9. # 对数据进行标准化处理
   4 i8 n- C. t0 o+ d7 L
10. scaler = StandardScaler()
    8 I% S9 c4 |$ F/ ]
11. scaled_features = scaler.fit_transform(df)
    3 Y  @$ D, y9 g% d
12. 
    + J  l- h1 E  v3 h  k8 Q2 R
13. # 使用KMeans进行聚类
    % g8 u& ~+ C1 g, e. M
14. kmeans = KMeans(n_clusters=5, random_state=42): ]: I, f9 q; [1 A2 _! ]* L
    
15. kmeans.fit(scaled_features)) r1 ~0 S; ?% N0 C& L( Q) V0 [
    
16. 
    - T9 }: ?: ~2 L$ J8 G' P0 e
17. # 将聚类结果添加到原始DataFrame中
    1 g$ L5 o' e4 U5 `( {6 M6 _) `
18. df['Cluster'] = kmeans.labels_
    . K& Z2 O6 l$ c. h8 @\" i5 y$ L/ S
19. 
    , C7 c6 n\" P+ F$ ?' c\" B
20. # 查看聚类结果
    5 n) s8 d% F6 @) t
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 DBSCAN2 w2 k# F4 w# M( y+ ^) {
   
2. . n5 m8 ^4 V- Y3 g+ K
   
3. # 使用DBSCAN进行聚类  \/ ?& [3 i/ c; u\" o- u
   
4. dbscan = DBSCAN(eps=0.5, min_samples=5)
   . M6 [! h% G1 t2 V: e
5. df['Cluster'] = dbscan.fit_predict(scaled_features)
   ; _- X! s8 C# K6 G+ J\" ]
6. 
   + D! C% V2 W9 v2 N\" A8 v
7. # 查看聚类结果, Z* L% y5 ~) K* r; m
   
8. print(df.head())

复制代码

层次聚类

1. from sklearn.cluster import AgglomerativeClustering
   ; J\" o4 e: y3 R\" k1 w
2. 
   * s, e, {0 J\" h' R% j\" r
3. # 使用层次聚类进行聚类
   * ?1 w6 ^2 U: P8 W- W: F# X
4. agg_clustering = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward')1 O' F* j! u8 ^3 I
   
5. df['Cluster'] = agg_clustering.fit_predict(scaled_features)
   4 V' |, {1 o: X# Y/ o7 O$ J6 T& ~
6. 1 Q* P9 e/ U7 a4 x. k( z& E
   
7. # 查看聚类结果
   ; ]' ]; S% K4 W! `\" a
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。
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。
. S* c0 e9 }: W; R  @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
' V' k0 ^2 N  @% q; g; l# S: e

7 R2 [5 t4 Y# K5 u8 O8 j, [% L
$ _% V0 f$ _5 m; i0 y