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 t! ~\" j9 c* j- i& P: c
   
2. from sklearn.preprocessing import StandardScaler$ s. n# Z- J3 [; O1 C* L; a
   
3. import pandas as pd  C8 e) u$ g7 q# K& E3 F3 ~
   
4. 
     t+ x: E) N& M, K9 w1 K8 Q
5. # 加载客户数据集
   ; q8 t& _/ j  F- r4 }
6. # 假设df是一个Pandas DataFrame，包含了你感兴趣的特征\" O( H5 V$ I' O. w\" s$ @
   
7. # df = pd.read_csv('your_customer_data.csv')
   7 ^8 ^1 B; N/ c9 j. U! q7 \
8. & Y! f( P3 w. D- P
   
9. # 对数据进行标准化处理
   3 R7 _% H& C0 g& e& a0 e
10. scaler = StandardScaler()7 C. i; Y! x: F/ K9 g: d. p* s
    
11. scaled_features = scaler.fit_transform(df), {. J3 I8 n# h: l( E
    
12. ! `$ v7 s. ^# ]* q/ {, {3 B; e
    
13. # 使用KMeans进行聚类
    ) c8 y9 z0 P+ b8 n5 z1 \  `
14. kmeans = KMeans(n_clusters=5, random_state=42)
    3 v; T! I- t; k; P
15. kmeans.fit(scaled_features)! Z' L% Z) p\" c5 O* {
    
16. ' w5 g! V! r0 X3 o$ Y; ?  P$ ^
    
17. # 将聚类结果添加到原始DataFrame中
    8 a. g* ]# h# z
18. df['Cluster'] = kmeans.labels_
    1 G1 {7 N  B1 v' o) Q# s9 M6 h) A
19. , f3 ]- ^0 ]% Q- n% {0 g# |
    
20. # 查看聚类结果* U4 M% v: {- t9 P
    
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
   ( o+ p0 C\" f; n  f/ f+ U! z
2. 3 k1 [+ N/ U$ G( G9 C9 g9 p\" `. Z
   
3. # 使用DBSCAN进行聚类. E4 }2 q5 x3 t4 L7 A; z; X
   
4. dbscan = DBSCAN(eps=0.5, min_samples=5)+ c8 y# h6 K$ d) i* n& c  u, d6 t# l
   
5. df['Cluster'] = dbscan.fit_predict(scaled_features)8 E\" c: r( A1 W
   
6.   g3 T( [/ X; `6 H/ Z' f0 E
   
7. # 查看聚类结果
   9 ?2 N\" k) q6 }6 |
8. print(df.head())

复制代码

层次聚类

1. from sklearn.cluster import AgglomerativeClustering
   . D4 R4 g4 f% }; z4 ^% ~: h
2. , K5 g- P2 w5 r0 y% ~
   
3. # 使用层次聚类进行聚类
   $ j# Y& a# y+ U\" Y\" n# t
4. agg_clustering = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward')
   % I% b\" O% @4 Q0 t
5. df['Cluster'] = agg_clustering.fit_predict(scaled_features)
   + o) D2 n# |) ^# a. K& z8 T
6. 3 X1 r) A- V8 X# \  W
   
7. # 查看聚类结果' e+ u; n0 V$ d5 O! k, y  I
   
8. print(df.head())

复制代码

调整参数和选择算法
7 v- N) u9 W3 X* Q2 [( s0 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。
' `2 e) o+ _& g  e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

0 U# q9 ~2 D, k
7 ]- F+ X/ X& A