Revisiter les données de gros : exploration

D'après l'analyse précédente, vous avez déterminé que k = 2 donne la largeur moyenne de silhouette la plus élevée. Dans cet exercice, vous poursuivrez l'analyse des données de clients en gros en construisant et en explorant un modèle kmeans avec 2 grappes.

Cette activité fait partie du cours

Analyse de regroupements dans R

Voir le cours

Instructions de l’exercice

Créez un modèle k-means nommé model_customers pour les données customers_spend à l'aide de la fonction kmeans() avec centers = 2.
Extrayez le vecteur des attributions de grappe du modèle model_customers$cluster et enregistrez-le dans la variable clust_customers.
Ajoutez les attributions de grappe comme colonne cluster au tableau de données customers_spend et enregistrez le tout dans un nouveau tableau de données nommé segment_customers.
Calculez la taille de chaque grappe avec count().

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

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))

Modifier et exécuter le code