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。
    
  
  

使用KMeans进行客户细分

1. from sklearn.cluster import KMeans- I: F2 P' @! \! T' e* ^
   
2. from sklearn.preprocessing import StandardScaler
   7 O3 ?4 K4 g3 [3 X% r) u+ L& t
3. import pandas as pd
   : M$ |) |9 b, r3 O\" [
4. 
   ' F/ B& ~% l# E% J! Y- |
5. # 加载客户数据集
   0 X) G6 C! Q  @4 @: @6 `5 k: H
6. # 假设df是一个Pandas DataFrame，包含了你感兴趣的特征
   - \. d4 `5 e* E% n  n
7. # df = pd.read_csv('your_customer_data.csv')2 e+ ]\" Q: K, y% O- M
   
8. 2 O  }. ^4 I# {- e9 k6 d/ U
   
9. # 对数据进行标准化处理
   % j. U: o. r& d6 B5 v( ~, o) X/ f: t
10. scaler = StandardScaler()
    \" U- C+ s8 `/ m2 t6 }; F
11. scaled_features = scaler.fit_transform(df)
    3 e5 x  y' @\" X\" }- E$ i  H- U
12. 1 H) h- J8 ?& b4 u6 O  }6 ~3 ^, [
    
13. # 使用KMeans进行聚类1 e! u* j4 ?1 U) i
    
14. kmeans = KMeans(n_clusters=5, random_state=42)1 T+ W2 K) a6 m% d  @
    
15. kmeans.fit(scaled_features)
    7 V! @# o- y: w4 [2 B\" a
16. 
    ; D; H% U2 q( B- h7 P3 Z& ~
17. # 将聚类结果添加到原始DataFrame中
    2 Y- U, _/ P: j+ T8 u; r
18. df['Cluster'] = kmeans.labels_5 M3 c6 M7 |  I\" H% l\" r  i3 ~\" {2 T
    
19. 
    8 `5 ^0 K* Q0 x  m. x5 X- y$ d
20. # 查看聚类结果: W, E3 }' C& E\" ?; c
    
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
   8 L' k  @7 S/ i+ G0 h$ [2 E
2. 9 }  G1 T/ V; H1 [
   
3. # 使用DBSCAN进行聚类; s$ ^0 r' T% x. |# g' Q
   
4. dbscan = DBSCAN(eps=0.5, min_samples=5)
   # a$ o/ D1 D6 W; T& H. g& d
5. df['Cluster'] = dbscan.fit_predict(scaled_features)8 _$ |. H& ]3 C  N, e
   
6. 
   ' ~' Q\" r+ d* V2 C# d# q- l
7. # 查看聚类结果
   1 \1 n1 i' f4 R: t# ~6 {6 c
8. print(df.head())

复制代码

层次聚类

1. from sklearn.cluster import AgglomerativeClustering
   6 A$ F+ f  Y7 k$ Y  g; }  @
2. ; k0 \! ^8 z$ L- Y
   
3. # 使用层次聚类进行聚类  `3 j* ]9 G0 V7 t
   
4. agg_clustering = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward')
   ( H+ r8 ]+ Q) o% j/ _; s
5. df['Cluster'] = agg_clustering.fit_predict(scaled_features)
   * \5 p3 z( K! ?  X7 Y7 G8 u
6. 8 M% \  q' j% k5 b  o
   
7. # 查看聚类结果
   0 M# R- j2 x, X' a5 }* E8 f
8. print(df.head())

复制代码

调整参数和选择算法
$ K( ^2 i! i9 E7 u8 S+ BKMeans：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。
1 G  h5 V: R+ o. v# W2 j/ KDBSCAN：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 q3 H( ~& c, z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
9 Z% j8 M% F- \4 Z& W2 b6 M


' j8 o; M- p) d9 b