Moyennes de la segmentation K-means
Dans cet exercice, vous allez examiner les valeurs moyennes des colonnes pour une solution à 3 segments avec K-means. Dans une démarche d'essais et d'apprentissage, l'inspection visuelle des solutions de segmentation est essentielle pour repérer l'option la plus pertinente pour l'entreprise.
Le seaborn est importé sous sns, et matplotlib.pyplot sous plt. De plus, nous avons exécuté une solution à 3 segments avec K-means et chargé l'ensemble de données avec les étiquettes de segment assignées dans le DataFrame wholesale_kmeans3.
Cette activité fait partie du cours
Machine Learning pour le marketing en Python
Instructions de l’exercice
- Regroupez par l'étiquette de segment et calculez les valeurs moyennes des colonnes.
- Affichez les valeurs moyennes des colonnes pour chaque segment.
- Créez une carte thermique (heatmap) des valeurs moyennes des colonnes pour chaque segment.
- Affichez le graphique.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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.___()