查看: 1731|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 |倒序浏览

|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。- s% |$ `. U- U- x% s
( X0 |' P" [' h

使用KMeans进行客户细分

from sklearn.cluster import KMeans
/ H( [: H# c6 n9 X# N0 f5 v
from sklearn.preprocessing import StandardScaler
, E9 V, [8 R- y
import pandas as pd
& P* r5 W8 g# m7 b- w: x2 g' `
z3 S3 e/ m/ a. S; ~0 A
# 加载客户数据集# r, X7 S) _1 ~7 X* m& X
# 假设df是一个Pandas DataFrame，包含了你感兴趣的特征; i- l\" D; i1 ^& S
# df = pd.read_csv('your_customer_data.csv')+ A- t: d( L( M: I% s @
0 k! k6 x7 q6 O2 F [/ ?& s
# 对数据进行标准化处理& D2 V* h) D5 P% H' Z
scaler = StandardScaler()- ]* i. S' I* w7 }6 B0 ?4 d3 h
scaled_features = scaler.fit_transform(df)
* p' V9 O! D$ k: L) O8 r' I
2 |8 w6 y, Q. e
# 使用KMeans进行聚类4 U( O7 L, Y0 n3 O5 ~# J
kmeans = KMeans(n_clusters=5, random_state=42)
4 H/ [5 r, ]: R8 n0 K\" f9 E' S
kmeans.fit(scaled_features); V9 y$ w ~( f& v: y$ A
, Q) _. E0 [8 }. G- l
# 将聚类结果添加到原始DataFrame中
% v; J) d2 f7 c) J
df['Cluster'] = kmeans.labels_
\" {4 a4 p% n$ D4 Z( I1 I
9 k( V/ |* y. X3 I* i e {9 q
# 查看聚类结果 U u2 I0 s1 A, 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
7 s; ]* U1 `7 b' \2 {; r3 X
8 a/ k8 ?# l% o- p5 J' z- q' q6 a
# 使用DBSCAN进行聚类
; u% ]4 g6 L% i4 `+ D
dbscan = DBSCAN(eps=0.5, min_samples=5)& G1 y$ B% t+ E! _+ H/ I5 I
df['Cluster'] = dbscan.fit_predict(scaled_features)
\" j( {: {$ t' b, z2 n) {
2 M# U! R0 A4 L
# 查看聚类结果
2 ~+ e7 X+ M- R
print(df.head())

复制代码

层次聚类

from sklearn.cluster import AgglomerativeClustering2 g, n! t6 e. Y+ n* h3 p/ T
; f* O' r7 x5 x& o
# 使用层次聚类进行聚类
+ `; S\" ~$ e0 }1 N3 i( p
agg_clustering = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward')4 H [+ {/ `) |) n( T' `
df['Cluster'] = agg_clustering.fit_predict(scaled_features)
- v! G; B$ `& A$ Q/ p9 k. e( E( L8 E
6 {2 g* ~( }- T& k8 d' v |& T
# 查看聚类结果. g* \1 v( g0 M6 x$ h/ A
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