查看: 1783|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。. \+ n$ R' k2 a
( k! a8 I2 Q; I0 P2 ~

使用KMeans进行客户细分

from sklearn.cluster import KMeans! z, _' z: C: i: \
from sklearn.preprocessing import StandardScaler) t. g& e% C4 n- S) T
import pandas as pd3 ~+ F& P1 [+ i
( z- k6 q: W' R3 Y. {* f6 \
# 加载客户数据集) L( E( ?( U7 n+ A m
# 假设df是一个Pandas DataFrame，包含了你感兴趣的特征\" p/ ]& i6 Z/ j$ j% p
# df = pd.read_csv('your_customer_data.csv')& ?# j+ H; V\" ^7 R$ V\" |
\" }2 u+ n8 {4 H' ^
# 对数据进行标准化处理: p8 a q5 d7 Q% l
scaler = StandardScaler()
2 M3 ]; K7 @' V7 I+ Y
scaled_features = scaler.fit_transform(df)
3 c, [/ F* @5 u9 @+ b1 Y# e
3 w* F. m) [0 i6 @
# 使用KMeans进行聚类9 }3 b7 h/ A; Z( p: I3 ~; ~
kmeans = KMeans(n_clusters=5, random_state=42)
\" _- p/ \6 X6 N, N1 m
kmeans.fit(scaled_features)
! l5 @& D8 H, X4 W1 P0 {
; R3 e6 K' c+ H\" f% E) v
# 将聚类结果添加到原始DataFrame中+ @$ b& x' H& u8 j( d& p% ^
df['Cluster'] = kmeans.labels_( n$ i, B4 ^8 ]# k% v
% ?( q) g5 [2 z) q\" S8 {2 r
# 查看聚类结果
% m# p& p* k/ F. T% H2 X q7 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+ Q6 k, t' Y& H w# a0 ]
* E) Q; T! X9 I
# 使用DBSCAN进行聚类 X) K$ V% R' L5 G0 B5 Y
dbscan = DBSCAN(eps=0.5, min_samples=5)' w5 u6 i( ~3 a: B. l$ |+ A
df['Cluster'] = dbscan.fit_predict(scaled_features)- r! L0 U8 J R
; v' v9 X) K' S$ f% E\" `1 u( y
# 查看聚类结果
% Q; D- \6 R) p0 s/ M
print(df.head())

复制代码

层次聚类

from sklearn.cluster import AgglomerativeClustering
# P9 B5 A5 n) F) f; `. [
2 Q# l2 C1 V& `& P7 k) y
# 使用层次聚类进行聚类( J* K$ v. f( B- P) y% F
agg_clustering = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward')) t! w. U) }9 \- R
df['Cluster'] = agg_clustering.fit_predict(scaled_features)
: B\" m5 w/ ~/ A) {9 ^
# M4 k8 H0 K p9 [& J- K7 F& B# C
# 查看聚类结果7 K$ t0 i3 Z% V. p2 C6 ^
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