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。
    7 S* |# o: [0 s: {; c/ D, m
  
  % m" q/ m" G$ U8 n/ a

使用KMeans进行客户细分

1. from sklearn.cluster import KMeans
   ! D\" d2 e. u\" @
2. from sklearn.preprocessing import StandardScaler
   3 ]5 s5 l& G. k5 Z
3. import pandas as pd
   * F9 A# m% b6 c6 ~
4.   d0 d9 Q8 Q\" x& Q, n+ V
   
5. # 加载客户数据集9 S$ ?1 ]# S4 h5 d' s3 i
   
6. # 假设df是一个Pandas DataFrame，包含了你感兴趣的特征
   0 W; D* j! k# w
7. # df = pd.read_csv('your_customer_data.csv')
   . b( x( K! x6 s) u) ~% u
8. 
   * X, s: `( I' b% ~  O8 ^; K
9. # 对数据进行标准化处理
   - H' {; ]5 N3 ^; r' p$ p
10. scaler = StandardScaler()3 r# R0 [- q$ m9 a$ D' e
    
11. scaled_features = scaler.fit_transform(df)
      \* i( f2 ?! `% ?8 j3 n: h6 g, H
12. 
    1 r, V% o9 w; M7 k* h' W
13. # 使用KMeans进行聚类# H8 K4 c2 ~2 t3 ~$ n& ~
    
14. kmeans = KMeans(n_clusters=5, random_state=42)
    % b* p5 t1 O, h& y& C
15. kmeans.fit(scaled_features)
    & P% x+ I6 C0 `' w3 g9 O
16. 6 e1 f: u& M6 l# _3 Q
    
17. # 将聚类结果添加到原始DataFrame中) O# v0 K3 l' u3 [4 K( C' ]
    
18. df['Cluster'] = kmeans.labels_- C4 x\" k3 V& D( m. e: c
    
19. 
    0 {$ j$ p) Z, Z+ m, |* K
20. # 查看聚类结果
    ( N  l  O. v1 y! z/ 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
   2 F, W& g& F' G: y
2.   y: N2 o' u: m
   
3. # 使用DBSCAN进行聚类
   ' A6 x, r0 L1 P5 ]
4. dbscan = DBSCAN(eps=0.5, min_samples=5)( A\" J( {: X  ?/ b$ i
   
5. df['Cluster'] = dbscan.fit_predict(scaled_features)( G6 @9 z: }4 N: L
   
6. ! ^* E3 j: ?4 G' g8 F2 ?' t+ W$ E
   
7. # 查看聚类结果
   ! x8 S( `5 L) L
8. print(df.head())

复制代码

层次聚类

1. from sklearn.cluster import AgglomerativeClustering9 O; N0 X9 T% Y7 t2 n0 U
   
2. 5 y& I: s  e9 i  W9 J  R9 S! b! \! R
   
3. # 使用层次聚类进行聚类
   , C7 W' U! q5 ]3 N4 Q% G
4. agg_clustering = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward')
   ; f' f: C$ o! {6 t  L0 b5 p
5. df['Cluster'] = agg_clustering.fit_predict(scaled_features)
   & U6 d# s0 \3 e
6. 0 V4 J; v6 [, G
   
7. # 查看聚类结果
   : A% [3 z\" B& [2 ~% M
8. print(df.head())

复制代码

调整参数和选择算法
' i" C* E& f$ [) s. \; Q# [1 u5 U* F6 uKMeans：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。
8 P+ p: w- V6 v8 c) y/ ^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
# e% J+ E3 n' o: l. S& d' |; y1 F7 }
, f/ u  U2 L8 \7 w! l
! v" g7 n2 X9 y& c! ]; t
8 r* w* V7 L, v4 ?. q6 ?! L