Wholesale-Daten neu betrachtet: Exploration

In der vorherigen Analyse hast du herausgefunden, dass k = 2 die höchste durchschnittliche Silhouettenbreite hat. In dieser Übung analysierst du die Wholesale-Kundendaten weiter, indem du ein k-means-Modell mit 2 Clustern erstellst und erkundest.

Diese Übung ist Teil des Kurses

<Kurs>Clusteranalyse in R</Kurs>

Kurs ansehen

Übungsanweisungen

Baue ein k-means-Modell namens model_customers für die Daten customers_spend mit der Funktion kmeans() und centers = 2.
Extrahiere den Vektor der Clusterzuweisungen aus dem Modell model_customers$cluster und speichere ihn in der Variablen clust_customers.
Hänge die Clusterzuweisungen als Spalte cluster an den Data Frame customers_spend an und speichere das Ergebnis in einem neuen Data Frame namens segment_customers.
Berechne die Größe jedes Clusters mit count().

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

set.seed(42)

# Build a k-means model for the customers_spend with a k of 2
model_customers <- ___

# Extract the vector of cluster assignments from the model
clust_customers <- ___

# Build the segment_customers data frame
segment_customers <- mutate(___, cluster = ___)

# Calculate the size of each cluster
count(___, ___)

# Calculate the mean for each category
segment_customers %>% 
  group_by(cluster) %>% 
  summarise_all(list(mean))

Code bearbeiten und ausführen