查看: 1723|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。
  3 g- i( P( B. l) L" s! d
/ ]! L- H1 r' t# c- |$ x

使用KMeans进行客户细分

from sklearn.cluster import KMeans
@4 \7 o E\" N2 a5 K4 Z. C2 W
from sklearn.preprocessing import StandardScaler\" c# d) A9 w3 H' [1 H
import pandas as pd
7 ?7 ^7 s' [/ T0 D& i0 ]+ q
! b8 n1 k% n% N
# 加载客户数据集! J3 h% J0 z1 C4 |1 l! u
# 假设df是一个Pandas DataFrame，包含了你感兴趣的特征0 ?% Z& l$ b. d s- t. `' w# x
# df = pd.read_csv('your_customer_data.csv')
$ i4 A6 m0 U1 U, N
5 i$ b& Z0 J' m9 J2 n' w) o) \ ^
# 对数据进行标准化处理( w7 \. q& U) x( v( F4 G1 |\" M
scaler = StandardScaler()
; B7 ? a2 |7 t7 v7 {8 D8 Z6 e\" F1 E
scaled_features = scaler.fit_transform(df)1 A3 ~3 c9 D4 x. h
( `2 f$ k. O$ e. G+ a; k
# 使用KMeans进行聚类
& h/ n4 l# B/ A5 u; F) E
kmeans = KMeans(n_clusters=5, random_state=42)
& A$ ?1 ^: n7 K' N
kmeans.fit(scaled_features)8 e) R\" G, N7 |2 y1 S9 m3 j
) O$ C! n6 Y6 `& w
# 将聚类结果添加到原始DataFrame中
9 Z6 ]2 c( ]5 g X' K0 X8 @
df['Cluster'] = kmeans.labels_
2 _* o) V7 \4 r* e0 K
5 A7 l& c4 b6 W4 A4 s
# 查看聚类结果
9 v/ w. m9 T, u8 M% D
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
/ B8 r) j# Q3 k. g! l( ~
\" k0 N3 p, T$ H9 M
# 使用DBSCAN进行聚类$ i) q) f* p$ Z u
dbscan = DBSCAN(eps=0.5, min_samples=5)
, z l+ Y6 ^+ P5 d/ ~- c
df['Cluster'] = dbscan.fit_predict(scaled_features)
\" M* @& C! k5 T
8 E% v+ c V g/ \
# 查看聚类结果5 V5 z+ F! b& v9 {' q
print(df.head())

复制代码

层次聚类

from sklearn.cluster import AgglomerativeClustering
( C- f1 O7 e! S\" c
8 Z* {- \& l\" M8 f5 j
# 使用层次聚类进行聚类
) R4 E) M% l. a3 `
agg_clustering = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward')7 ^1 H7 | g: w |
df['Cluster'] = agg_clustering.fit_predict(scaled_features)
# ], v. u$ Q0 p\" E8 q9 d
+ M6 H+ o# A2 i
# 查看聚类结果6 T2 Y( P' T1 v- T
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