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。
    4 q# {2 y1 l. j, }8 [$ Q
  
  + q  A$ ~; x& E. ]. C: ?

使用KMeans进行客户细分

1. from sklearn.cluster import KMeans5 D7 _  Z6 e\" C6 g- D
   
2. from sklearn.preprocessing import StandardScaler
   5 r. W2 a5 k- o* E8 g. B* E2 w/ ~
3. import pandas as pd7 e3 b! m+ I4 l7 l: c
   
4. 2 C% ^$ c; }6 Z6 n9 S  F\" L# y. y
   
5. # 加载客户数据集! i\" y$ V, v9 M$ a
   
6. # 假设df是一个Pandas DataFrame，包含了你感兴趣的特征+ n( S: C, A+ o2 C\" r# N8 \
   
7. # df = pd.read_csv('your_customer_data.csv')* @' J: _- E4 \$ j& J8 w
   
8. 
   3 f$ U2 C* H: w2 o1 f0 C+ {  ]
9. # 对数据进行标准化处理7 K, }. ~- r* L2 x% C* d
   
10. scaler = StandardScaler()
    \" s# ]2 G7 f4 L7 ^
11. scaled_features = scaler.fit_transform(df)1 A! x& P( b9 @* q+ ~4 `& U
    
12. , K: q1 l/ ^7 O( s% S% `2 a8 y8 u
    
13. # 使用KMeans进行聚类
    $ t$ Q  X& c, k+ N5 R) `
14. kmeans = KMeans(n_clusters=5, random_state=42)1 c1 Y# _; {0 f( H
    
15. kmeans.fit(scaled_features)
    : s1 ~! `( q7 ^: v
16. ; J\" p4 R$ c( A
    
17. # 将聚类结果添加到原始DataFrame中6 h( o3 f/ \+ a! N/ I
    
18. df['Cluster'] = kmeans.labels_
    6 t9 n8 t0 T0 w6 f  x# [' {! G. a
19. 
    ' X( q5 _1 A8 s- L6 A
20. # 查看聚类结果
    4 k4 M1 L# K1 }) W3 f3 u* [1 T
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( [$ z5 [* E' L2 F! v
   
2. 
   ( d. ^7 ^5 l7 [8 H& C- |
3. # 使用DBSCAN进行聚类
   7 `; b: z8 C7 P2 e
4. dbscan = DBSCAN(eps=0.5, min_samples=5)
   \" x3 [. b2 g; S  Q/ e& a
5. df['Cluster'] = dbscan.fit_predict(scaled_features)( v; }' F. u) Z1 _# L
   
6. 
   0 M5 {2 c0 q9 b$ d' x3 `) o$ ?# s
7. # 查看聚类结果
   ' C( e\" H  j\" F6 ^& _0 q% A
8. print(df.head())

复制代码

层次聚类

1. from sklearn.cluster import AgglomerativeClustering# C; V0 l9 L  f/ g9 r
   
2. 
   ) i. n$ V+ K- J6 \
3. # 使用层次聚类进行聚类
   8 |! t- u5 i: g3 U) e' [/ F2 j
4. agg_clustering = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward')
   - D7 f6 t4 }- p- @+ R# X
5. df['Cluster'] = agg_clustering.fit_predict(scaled_features), o; w. E6 }. X! \: z
   
6. 5 D& G$ ^1 C3 j3 u. H
   
7. # 查看聚类结果; S# y9 C# ?: r* h( L, W
   
8. 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。
: Z$ }+ W8 L$ }4 ]4 h; Y  H8 SDBSCAN：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。
: t2 E- E5 k" D, q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 s! G) X8 q2 y
; X: ]6 |/ r, [; _& i
3 k  j& ]& P. g3 u
; ^- [, v5 O/ |: `; \/ w1 u# f$ n