Crea una segmentación con k-means clustering
En este ejercicio vas a crear la segmentación de clientes con el algoritmo KMeans. Como identificaste en el paso anterior, el número óptimo de clústeres desde el punto de vista matemático está entre 3 y 4. Aquí construirás una con 4 segmentos.
El conjunto de datos preprocesado se ha cargado como wholesale_scaled_df. Lo usarás para ejecutar el algoritmo KMeans, y el conjunto de datos sin procesar como wholesale; más adelante lo utilizarás para explorar los valores medios de las columnas para los 4 segmentos que construirás.
Este ejercicio forma parte del curso
Machine Learning para marketing en Python
Instrucciones del ejercicio
- Importa el algoritmo
KMeansdel módulosklearn.cluster. - Inicializa el algoritmo
KMeanscon 4 clústeres yrandom_stateestablecido en 123. - Ajusta el modelo sobre el conjunto de datos preprocesado
wholesale_scaled_df. - Asigna las etiquetas generadas a una nueva columna llamada
segmenten el conjunto de datos en brutowholesale
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Import `KMeans` module
from sklearn.cluster import ___
# Initialize `KMeans` with 4 clusters
kmeans=KMeans(___=4, random_state=123)
# Fit the model on the pre-processed dataset
kmeans.fit(___)
# Assign the generated labels to a new column
wholesale_kmeans4 = wholesale.assign(segment = kmeans.___)