查看: 1786|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

1189 主题	4 听众	2934 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。$ k3 V. }8 r9 V" n
$ |6 v+ E7 \" \5 C5 z

使用KMeans进行客户细分

from sklearn.cluster import KMeans' P7 o9 d7 f% _& w, F1 |1 U
from sklearn.preprocessing import StandardScaler
( k1 v2 ~: m! p$ T- O* B
import pandas as pd
$ J4 F( B _5 M9 m* E
. c# B5 T6 P/ b) i2 R2 |/ T! m
# 加载客户数据集
; e4 \+ m+ k# e1 Z& b0 ]# Y
# 假设df是一个Pandas DataFrame，包含了你感兴趣的特征
' P. ~\" `- g9 ], D1 [/ C! C: N
# df = pd.read_csv('your_customer_data.csv')
! f5 `# o\" Q6 C7 Q# G
% Z+ B2 I$ y1 O& B' t# u
# 对数据进行标准化处理1 X6 A( { `- U\" l
scaler = StandardScaler()
4 ~: Z+ W2 c4 T! ~( n
scaled_features = scaler.fit_transform(df)/ D6 n% ?* Z\" q
! w- U. \/ G7 z# a2 c( C) o
# 使用KMeans进行聚类- e! H; ~) d _
kmeans = KMeans(n_clusters=5, random_state=42)
# V/ Q& v' E* E J6 x& d/ o/ o4 E
kmeans.fit(scaled_features)+ L\" | {1 ^+ X+ Q; Z
8 G5 R. I, p) Y' i& T$ f
# 将聚类结果添加到原始DataFrame中8 d- B: L$ f7 y1 q0 Z
df['Cluster'] = kmeans.labels_
( z2 i) q- h: O: c0 x
. |8 C- u z! ^' p% p) f
# 查看聚类结果
7 {: O2 U7 Q$ w ~\" Z) `
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+ O+ \2 A, V; I\" V' u
# A: w. ]% |7 J
# 使用DBSCAN进行聚类5 h3 @' |& E( b% O. K
dbscan = DBSCAN(eps=0.5, min_samples=5)
$ M& L$ g1 ]% }+ v# K/ N
df['Cluster'] = dbscan.fit_predict(scaled_features)
# j4 A! ?( k y
8 L\" ~\" {& T: O2 J
# 查看聚类结果
1 h4 D( Z- u* k$ q
print(df.head())

复制代码

层次聚类

from sklearn.cluster import AgglomerativeClustering
\" _* l5 u* B+ v* Y/ v8 a
/ g6 k4 V- M) [7 X4 w R
# 使用层次聚类进行聚类
\" w7 {; N- F1 w
agg_clustering = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward')
7 i i+ S# L+ F- T, L' N
df['Cluster'] = agg_clustering.fit_predict(scaled_features)
( A5 ?: ]) Q* z. s\" X& R; u, r
0 T; L1 e% D& {5 r
# 查看聚类结果
5 o- r2 N, h2 Z& Z
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