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。
    & _: i4 @" R# \% S' n6 D( F. ]
  
  ( Y) ?1 n! q7 A# b* v0 ?% z9 L

使用KMeans进行客户细分

1. from sklearn.cluster import KMeans
   3 s% a1 j$ O1 j% s, ^( ^. w4 e0 Z
2. from sklearn.preprocessing import StandardScaler
   , y8 a  J, P& i, ~' X
3. import pandas as pd5 b; ^; i9 |0 Z
   
4. ! A1 t9 J& \5 x& N/ O
   
5. # 加载客户数据集
   ! F5 ]5 ~+ L6 Y! u& p/ k. t
6. # 假设df是一个Pandas DataFrame，包含了你感兴趣的特征! A4 Z. |2 t# d
   
7. # df = pd.read_csv('your_customer_data.csv')  |. g# [( ?+ T# j: B\" W
   
8. $ R4 S) s/ g' E2 }* g
   
9. # 对数据进行标准化处理2 c) x  l* Q3 N% H8 W5 z
   
10. scaler = StandardScaler(). G% d5 y' f3 g. F; B
    
11. scaled_features = scaler.fit_transform(df)
    ; G. h2 S  j8 B/ n1 J
12. 
    - L% S6 i; T& C3 M2 ]+ J
13. # 使用KMeans进行聚类+ b. z9 Z0 Q7 W5 B0 t+ x. a5 ?
    
14. kmeans = KMeans(n_clusters=5, random_state=42)4 z/ G6 C9 c4 }' d; K
    
15. kmeans.fit(scaled_features)5 N, R4 ^% s2 |  H. N
    
16. 
    \" u; u& i2 Z, J; T8 b
17. # 将聚类结果添加到原始DataFrame中
    ; L7 W. c; S. ]1 M) n1 V0 M
18. df['Cluster'] = kmeans.labels_6 }* ~  M\" Y- @! V# M
    
19. * t7 f7 F; H0 i, [& T+ S: u
    
20. # 查看聚类结果( Y/ r& b& c/ Q( n
    
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$ R: P( c# j$ x' S4 ^
   
2. 
   5 Y1 k\" l; o- Y/ W3 d
3. # 使用DBSCAN进行聚类$ Y; ~7 s6 ^1 E7 k5 |
   
4. dbscan = DBSCAN(eps=0.5, min_samples=5)
   ' ~  A# T( o3 M
5. df['Cluster'] = dbscan.fit_predict(scaled_features)
   8 h' X! {; P6 B# }0 L4 v
6. 
   2 _7 ^4 V* n4 v  `: x/ Z' F
7. # 查看聚类结果
   7 T4 K7 D6 M. h
8. print(df.head())

复制代码

层次聚类

1. from sklearn.cluster import AgglomerativeClustering) I1 w; B5 Y, m' Z2 S% y+ [
   
2. ! g! p8 H, r' q' S& J\" q: h: i4 J
   
3. # 使用层次聚类进行聚类7 v/ I8 n$ L# C( @0 m; |
   
4. agg_clustering = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward')' h) z# g! q* g) B\" K
   
5. df['Cluster'] = agg_clustering.fit_predict(scaled_features)+ b0 {  u# H9 `- A+ q7 w
   
6. 
   0 M& T& e4 B5 h4 q! j
7. # 查看聚类结果
   & o( G3 r/ G  |3 q9 N3 a
8. print(df.head())

复制代码

调整参数和选择算法
1 P1 r% m- B% R1 jKMeans：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。
0 w  h* X- i- @9 E* \3 cDBSCAN：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。
8 \$ \8 ^; D& X% A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

2 y- x4 \1 t. ~1 n& I
% `2 U. h) h4 |
! f& C# x5 L( U- U8 r3 H- W% M