Construire une solution à 4 clusters

Parfait, vous voyez que le nombre de clusters recommandé se situe entre 3 et 4. Dans cet exercice, vous allez construire la solution avec le second nombre.

Le jeu de données RFMT normalisé est disponible sous datamart_rfmt_normalized. N’hésitez pas à utiliser la console pour l’explorer.

Cet exercice fait partie du cours

<cours>Customer Segmentation in Python</cours>

Voir le cours

Instructions de l’exercice

Importez KMeans depuis la bibliothèque sklearn.
Initialisez KMeans avec 4 clusters et random_state à 1.
Ajustez le k-means sur le jeu de données normalisé.
Extrayez les étiquettes de cluster et enregistrez-les dans l’objet cluster_labels.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Import KMeans 
from ____.____ import ____

# Initialize KMeans
kmeans = ____(____, ____) 

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

# Extract cluster labels
cluster_labels = ____.____

Modifier et exécuter le code