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 KMeans3 Q9 k; K$ P* N: V$ H
   
2. from sklearn.preprocessing import StandardScaler1 g. N! ~& ]' @4 n  Z& H
   
3. import pandas as pd
   \" b  j9 [4 u# _5 g9 f# t
4. 
   2 m' {8 i- A3 {' z3 M
5. # 加载客户数据集
   ; Z: W8 c/ ]; b  N
6. # 假设df是一个Pandas DataFrame，包含了你感兴趣的特征
   . O; J; [1 G, s( ^( ^: S
7. # df = pd.read_csv('your_customer_data.csv')
   ' i$ `; g8 |, k( f& R
8. 
   4 z; c6 @: ?) Q: S; v: R# Q3 P
9. # 对数据进行标准化处理8 ~* }9 Y+ x3 |* W* S! N! i6 K
   
10. scaler = StandardScaler()
    6 V' S1 M4 V3 A9 A) l* W
11. scaled_features = scaler.fit_transform(df)0 e+ t4 @/ K, a# C2 Q  m% |
    
12. . n' Y7 _- C+ u; F# i* ^/ a\" d0 _3 G
    
13. # 使用KMeans进行聚类5 V* l: |1 K+ d, i\" p) P
    
14. kmeans = KMeans(n_clusters=5, random_state=42)- T  {: x% w' x0 _) e9 A2 ~* a
    
15. kmeans.fit(scaled_features)
    - \. z5 p6 X0 \
16. ( q( N3 k7 _% P9 I. R4 o5 w) L2 f
    
17. # 将聚类结果添加到原始DataFrame中
    ) }7 Z. z8 z2 B* Y# ]
18. df['Cluster'] = kmeans.labels_% E# i6 }. m! n9 o8 c  F/ `- w
    
19. 
    , W8 Y, n/ B\" p' ?2 |: M
20. # 查看聚类结果
    0 U% n+ _7 B4 ?\" b. U7 V5 J- x
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
   . n, S6 i% `+ p; k  n& c. e
2. 
   & D6 v' f# `/ ~7 i1 n
3. # 使用DBSCAN进行聚类
   8 R3 L- y7 M) a- C/ {! M
4. dbscan = DBSCAN(eps=0.5, min_samples=5)
   , _: X: K6 U* `' u
5. df['Cluster'] = dbscan.fit_predict(scaled_features)! H9 A+ w1 n& k. B: S
   
6. / l7 p$ A\" o' N. s9 u4 s
   
7. # 查看聚类结果
   4 C% n7 R# n1 k) k! [, h' v) V5 {
8. print(df.head())

复制代码

层次聚类

1. from sklearn.cluster import AgglomerativeClustering
   + e0 x0 E6 }' t4 Y7 J3 n
2. 
   + n+ r' C% j0 g
3. # 使用层次聚类进行聚类
   9 `! O( p$ p% |. U$ Y, k3 E: j+ X
4. agg_clustering = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward')- Q& g* {+ h, a) G8 i
   
5. df['Cluster'] = agg_clustering.fit_predict(scaled_features)
   * @9 u& c5 P5 {+ N6 ?
6. 
   1 q! F! }; z4 p! q( P
7. # 查看聚类结果: B! H, s0 M8 o' r3 m
   
8. print(df.head())

复制代码

调整参数和选择算法
4 r4 R2 y* \, J" F8 l" S# n# hKMeans：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。
; a2 J  c# Y' r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。
" ?1 e* q) g1 h* ?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



' A& Y: G5 W) S6 Q& b$ ^, N/ F