查看: 1866|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

1192 主题	4 听众	2946 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。* W' Y3 m6 q7 d1 v+ F* X9 T
* W& r! L+ b2 }* y6 H: S

使用KMeans进行客户细分

from sklearn.cluster import KMeans
! G7 G! R j$ t! `: J) g
from sklearn.preprocessing import StandardScaler
( q( K+ b2 \; |0 A5 H6 g% y\" h5 T
import pandas as pd
. L- z# B* I i2 ]/ R+ A
) f8 N3 G2 H, c: `0 o5 K
# 加载客户数据集
7 l# o3 K. X/ K% v6 L! X4 D* G
# 假设df是一个Pandas DataFrame，包含了你感兴趣的特征\" C; I' k; ^: J+ k% M6 p+ [
# df = pd.read_csv('your_customer_data.csv')8 l2 A/ W( {- ~3 G
0 Y3 K7 O: |+ }* Z
# 对数据进行标准化处理$ G) @) o- j/ E
scaler = StandardScaler()
4 d( _2 D! F) Q, _. ?3 j8 x Y
scaled_features = scaler.fit_transform(df)
+ t0 j6 @7 A9 |( w1 a! k
) B5 e/ n$ j% ^: O& K
# 使用KMeans进行聚类
9 { s$ l% {! Q0 a
kmeans = KMeans(n_clusters=5, random_state=42)
\" p& C# i% r: N! ^
kmeans.fit(scaled_features)& v8 ~: H7 b! L, f0 U: m# h
8 |: I* d# t4 n
# 将聚类结果添加到原始DataFrame中
^1 J. A, }2 Q5 I5 L
df['Cluster'] = kmeans.labels_2 D9 H F0 C2 V, f( o7 I
0 c3 S) v4 d6 f. E4 J: m1 ^
# 查看聚类结果( K& Z, s5 Q4 B) i) o) `
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 DBSCAN8 @/ R8 B5 b: |3 t( Q4 V
' ]. m5 H H% o4 a( N1 B
# 使用DBSCAN进行聚类2 ?3 h; J' {. B$ G\" D: Z0 P9 I
dbscan = DBSCAN(eps=0.5, min_samples=5)0 n) |' t7 U9 G
df['Cluster'] = dbscan.fit_predict(scaled_features)# G! I3 I4 D! v3 D
+ Y7 e( e, A+ F. y3 o3 C& ^
# 查看聚类结果
3 `& X% j. W4 O8 i
print(df.head())

复制代码

层次聚类

from sklearn.cluster import AgglomerativeClustering
1 H0 j6 k# g; a* [
: n/ k! I Z) h0 S& j& z! ?. I6 B
# 使用层次聚类进行聚类
! i5 N3 q, k7 S
agg_clustering = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward')
2 I, w, }; Y4 r, C* K4 F
df['Cluster'] = agg_clustering.fit_predict(scaled_features)
( u' b) v: r1 G+ G: m# q% M
# { }$ u. a) z
# 查看聚类结果
8 \1 L+ @& l+ K2 u& C! _
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