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。
    
  
  # D+ C0 H+ ~8 c+ A

使用KMeans进行客户细分

1. from sklearn.cluster import KMeans
   6 E# u: x+ m& Z
2. from sklearn.preprocessing import StandardScaler/ |- D( H; p. {: S1 l% |
   
3. import pandas as pd- ^4 c\" s2 L+ x# k0 L, c2 R
   
4. 
   # u0 r4 @) ]( U+ S
5. # 加载客户数据集, [6 L  S9 F! f+ k3 M8 r
   
6. # 假设df是一个Pandas DataFrame，包含了你感兴趣的特征. i  C9 l. n! d7 ~
   
7. # df = pd.read_csv('your_customer_data.csv')
   0 p6 U4 @) i3 j9 }: l6 p. B& v) E
8. , \9 X. P- a9 t7 ^! [
   
9. # 对数据进行标准化处理
   & E2 V\" ]) ?5 F$ a  M. ~% L/ x
10. scaler = StandardScaler()* S% h. o* O9 z: {( _0 ~3 d
    
11. scaled_features = scaler.fit_transform(df)
    ( E0 t5 a2 C* f$ F/ Y( S! [% [. V
12. - N9 y& J7 n* v6 y
    
13. # 使用KMeans进行聚类
    $ j- B7 q3 z) ~\" Y
14. kmeans = KMeans(n_clusters=5, random_state=42)9 g' u6 h/ P  G1 k- }% I0 P1 t
    
15. kmeans.fit(scaled_features)- M$ @, I; K7 I  h9 b/ Q8 c
    
16. 
    ) x4 W' s8 y- z% w# v
17. # 将聚类结果添加到原始DataFrame中
    1 C& V$ P3 p4 ]. J0 [' y5 A) {' X
18. df['Cluster'] = kmeans.labels_* k; f: B# U8 w% F6 g* O
    
19. % |8 t! j: l2 d0 v
    
20. # 查看聚类结果
    ) z# |0 Z9 @: e
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
   + @& d6 e1 ]& o: W# z/ m* r
2. * D) o( n: d, W0 P  t- q
   
3. # 使用DBSCAN进行聚类
   8 u+ y& H5 ?1 Z* C$ [# o
4. dbscan = DBSCAN(eps=0.5, min_samples=5)
   1 u1 }+ C7 I6 f6 J/ I, A
5. df['Cluster'] = dbscan.fit_predict(scaled_features)
   5 I9 K2 F  v4 ~7 ]3 Q  D9 Q( u
6. 9 S3 k( o6 }) T4 W' g$ b( \0 v
   
7. # 查看聚类结果3 z; N7 Y) `# H) M& H
   
8. print(df.head())

复制代码

层次聚类

1. from sklearn.cluster import AgglomerativeClustering
   5 ~, U) l* r0 p2 y7 a\" t8 r
2. + D, V+ U( V. Y+ j( M
   
3. # 使用层次聚类进行聚类- m6 k* X' V\" t) [
   
4. agg_clustering = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward'), H; [' O8 H- e
   
5. df['Cluster'] = agg_clustering.fit_predict(scaled_features)4 U- A, ?& G- m# \1 T
   
6. 
   % F1 o1 g+ V) s\" i; I- M+ q
7. # 查看聚类结果
   ) a7 P+ x+ C7 T% Q% _/ m) c
8. print(df.head())

复制代码

调整参数和选择算法
5 @  J' z1 x  m. 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。
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。
  p1 |/ E7 Z  g4 h% _) z& k9 J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。
  U$ P$ P6 S  B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
* l$ _; j+ H6 K$ x
8 v: [) o& L: C. O( b