查看: 1730|回复: 0

无监督学习练习对客户进行分组

字体大小: 正常放大

1186 主题	4 听众	2922 积分

该用户从未签到

电梯直达

1^#

发表于 2024-3-31 16:38 |只看该作者 |正序浏览

|招呼Ta 关注Ta

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。9 S; [8 m* y) n) f% ]7 J
3 Z6 s4 C$ B& J1 g

使用KMeans进行客户细分

from sklearn.cluster import KMeans
! t7 C/ _2 D3 H
from sklearn.preprocessing import StandardScaler! M5 ^! S# z4 i$ Q6 `
import pandas as pd) X) Q- w( c0 K- [
N& z, I1 G$ @
# 加载客户数据集
. g- T) L7 n& J7 C
# 假设df是一个Pandas DataFrame，包含了你感兴趣的特征
8 q; o* e) Z* A$ g% m# @0 s
# df = pd.read_csv('your_customer_data.csv')2 p6 o o8 Z2 V' o+ U1 _
8 D% h: R( ?\" m% x% f
# 对数据进行标准化处理, _/ _1 G! o* O: x! g
scaler = StandardScaler()
1 R( _4 O* D) L* M
scaled_features = scaler.fit_transform(df) n/ w7 K7 A/ T+ Z- A$ Y
1 i7 ?; e$ w4 q& U
# 使用KMeans进行聚类% E- x$ J6 H\" E x
kmeans = KMeans(n_clusters=5, random_state=42)0 T! Z0 a. C1 c
kmeans.fit(scaled_features)
g0 `9 y9 I9 Q6 h, q$ m
# k! P) i2 [7 e3 W
# 将聚类结果添加到原始DataFrame中
- [( j/ q( f' b2 v: t% v
df['Cluster'] = kmeans.labels_
. s, f6 ^- d. P\" I$ F* d. t
( L, v, J4 U5 H, R3 X( f8 d
# 查看聚类结果
\" L) y) {% g( d* K/ N
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

from sklearn.cluster import DBSCAN) D. a% s# U A' g0 x. K! }
4 {; J) J6 W9 p# `; W' R
# 使用DBSCAN进行聚类
9 m7 s. ]; v! Y
dbscan = DBSCAN(eps=0.5, min_samples=5)
/ i7 w/ V+ j/ C' s+ E- u1 j
df['Cluster'] = dbscan.fit_predict(scaled_features)
/ K+ N+ |/ E9 ~9 A/ i& S5 h1 z/ X
% v8 @( y7 n- m- d' b
# 查看聚类结果/ l+ f* G* @/ D* Q4 N) n+ h
print(df.head())

复制代码

层次聚类

from sklearn.cluster import AgglomerativeClustering0 C, T& ^0 n( X
: V ]( k, V9 O! n, E' M
# 使用层次聚类进行聚类
, l) ?5 g! c `9 c% T* w
agg_clustering = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward')
- K, x% M* [9 f, f5 `
df['Cluster'] = agg_clustering.fit_predict(scaled_features)
- z2 a: e4 X# r\" u
/ k- `8 G: d# u5 w. q$ F
# 查看聚类结果! {\" p1 [( B7 U\" G7 b1 ^2 U
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。
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

zan