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。
    " ~( R5 r" s' E4 ]- f2 S8 l  }
  
  " i% A8 D+ m& M6 B9 N

使用KMeans进行客户细分

1. from sklearn.cluster import KMeans! U+ c- O6 Z8 S/ z( w; I: ~
   
2. from sklearn.preprocessing import StandardScaler9 Q9 ~& F: b5 u( F9 x
   
3. import pandas as pd
   / V9 P6 t: k/ Y1 E1 B8 x! `
4. 2 d8 ]) e: v2 a7 B$ w5 k2 ~
   
5. # 加载客户数据集- ?' l, L$ }- N% B: m; m7 y
   
6. # 假设df是一个Pandas DataFrame，包含了你感兴趣的特征
   . f# h/ Y+ `/ i5 Y
7. # df = pd.read_csv('your_customer_data.csv')  n- g/ C\" t' B4 n
   
8. 
   ) k4 H( v, m; j1 {. o
9. # 对数据进行标准化处理( ?  G# s5 q3 S
   
10. scaler = StandardScaler(); J2 C1 `# X- \# W* g' T( V
    
11. scaled_features = scaler.fit_transform(df)! T1 X: O1 g5 n6 b3 m, v( M5 B
    
12. 
    . c* t! F0 a' r' ]
13. # 使用KMeans进行聚类
    ( H: r4 M  r! Y. X
14. kmeans = KMeans(n_clusters=5, random_state=42)
    ! ^( A\" s# p. }\" `7 F2 y, e0 ?
15. kmeans.fit(scaled_features)$ G* R  x, {& ?- p) a\" e
    
16. ( w0 @' P# Q) r. o0 H( @
    
17. # 将聚类结果添加到原始DataFrame中
    . W. l( ?# j. A. Y
18. df['Cluster'] = kmeans.labels_
    / x& ~$ X3 b1 b0 O% o* E\" ~
19. $ d0 ]! k6 ]& }' S0 b3 a2 i2 O
    
20. # 查看聚类结果4 u( V( P5 K$ G  s
    
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\" r5 E7 e* k\" ]% A; s1 |
   
2. 
   $ F\" Q- W, B; i# g* C3 }$ D4 b! N
3. # 使用DBSCAN进行聚类
   7 P( D1 s  D0 y: b+ D
4. dbscan = DBSCAN(eps=0.5, min_samples=5)* t2 v6 A. [0 C\" f3 ]) {: s
   
5. df['Cluster'] = dbscan.fit_predict(scaled_features), H% N\" @8 O1 m6 [
   
6.   P/ S) M7 R: L9 @
   
7. # 查看聚类结果2 O5 r6 P4 X  A: W' O
   
8. print(df.head())

复制代码

层次聚类

1. from sklearn.cluster import AgglomerativeClustering& S  A- W* x' w' y$ M' b
   
2. 
   , D. v7 [% `\" A* ^( \1 S
3. # 使用层次聚类进行聚类
   ' H0 ^# J( m& y' ?6 ^. r
4. agg_clustering = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward')6 ]7 u8 I- B5 @6 Z  R2 v
   
5. df['Cluster'] = agg_clustering.fit_predict(scaled_features)' t% m, S/ |' B' M; f' N/ v$ _
   
6. 
   ! @\" T0 C9 d# ^
7. # 查看聚类结果\" k* f2 Q8 O! U\" o6 y( d
   
8. print(df.head())

复制代码

调整参数和选择算法
) z/ O7 @/ @( |7 f0 K5 ZKMeans：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。
2 B+ _2 F* A9 Q% O- o( q: ~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。
9 A+ a" E, T. I1 p5 R9 r, n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
) M2 A3 `; j2 F" l# d


; R' z& L3 }7 Z- J! r# _& x