K-means: Segment-Durchschnitte
In dieser Übung untersuchst du die durchschnittlichen Spaltenwerte für eine 3-Segment-Lösung mit K-means. Im Sinne von Testen & Lernen ist die visuelle Inspektion der Segmentierungslösungen entscheidend, um die aus Business-Sicht relevanteste Option zu identifizieren.
seaborn ist als sns und matplotlib.pyplot als plt importiert. Außerdem haben wir eine 3-Segment-Lösung mit K-means berechnet und den Datensatz mit zugewiesenen Segmentlabels als DataFrame wholesale_kmeans3 geladen.
Diese Übung ist Teil des Kurses
Machine Learning für Marketing mit Python
Anleitung zur Übung
- Gruppiere nach dem Segmentlabel und berechne die durchschnittlichen Spaltenwerte.
- Gib die durchschnittlichen Spaltenwerte für jedes Segment aus.
- Erstelle eine Heatmap der durchschnittlichen Spaltenwerte pro Segment.
- Zeige das Diagramm an.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Group by the segment label and calculate average column values
kmeans3_averages = wholesale_kmeans3.___(['___']).___().round(0)
# Print the average column values per each segment
print(___)
# Create a heatmap on the average column values per each segment
sns.___(___.T, cmap='YlGnBu')
# Display the chart
plt.___()