शुरू करेंमुफ़्त में शुरू करें

NMF के साथ वैकल्पिक segmentation

इस अभ्यास में, आप प्रोडक्ट परचेज डेटा का विश्लेषण करेंगे और non-negative matrix factorization (NMF) एल्गोरिदम का उपयोग करके सार्थक segments पहचानेंगे। यह e-commerce या रिटेल में आमतौर पर मिलने वाली sparse customer-by-product मैट्रिसेज़ पर अच्छा काम करता है। अंत में, आप उन components को extract करेंगे जिन्हें आप अगले अभ्यास में explore करेंगे।

हमने pandas को pd और numpy को np के रूप में लोड कर रखा है। साथ ही, raw customer-by-product परचेज डेटासेट wholesale के रूप में लोड है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में मार्केटिंग के लिए मशीन लर्निंग

पाठ्यक्रम देखें

अभ्यास निर्देश

  • sklearn.decomposition से non-negative matrix factorization फंक्शन इंपोर्ट करें.
  • 4 components के साथ NMF इंस्टेंस initialize करें.
  • wholesale सेल्स डेटा पर मॉडल को fit करें.
  • Components को निकालकर एक pandas DataFrame में स्टोर करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Import the non-negative matrix factorization module
from sklearn.decomposition import ___

# Initialize NMF instance with 4 components
nmf = ___(4)

# Fit the model on the wholesale sales data
nmf.___(wholesale)

# Extract the components 
components = pd.DataFrame(data=nmf.___, columns=wholesale.columns)
कोड संपादित करें और चलाएँ