K-means ausführen

Du baust jetzt 3 Cluster mit k-means-Clustering. Der vorverarbeitete RFM-Datensatz ist als datamart_normalized geladen. Außerdem ist die Bibliothek pandas als pd geladen.

Du kannst den Datensatz in der Konsole erkunden, um dich damit vertraut zu machen.

Diese Übung ist Teil des Kurses

Kundensegmentierung in Python

Kurs anzeigen

Anleitung zur Übung

Importiere KMeans aus der Bibliothek scikit-learn.
Initialisiere KMeans mit 3 Clustern und random_state=1.
Fitte k-means-Clustering auf den normalisierten Datensatz.
Extrahiere die Cluster-Labels und speichere sie als cluster_labels.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import KMeans 
from ____.____ import ____

# Initialize KMeans
kmeans = ____(____=3, ____=1) 

# Fit k-means clustering on the normalized data set
____.____(datamart_normalized)

# Extract cluster labels
cluster_labels = ____.____

Code bearbeiten und ausführen