NMF segmentation averages
अंत में, आप NMF से बनी 3-सेगमेंट सॉल्यूशन के औसत मानों को विज़ुअली explore करेंगे और इसे K-means वाली सॉल्यूशन से compare कर सकेंगे. यहाँ आप फीचर्स मैट्रिक्स W निकालेंगे, जिसे हम hard segment assignment निकालने के लिए इस्तेमाल करेंगे: हर ग्राहक के लिए इस मैट्रिक्स की जिस कॉलम (सेगमेंट) का मान सबसे बड़ा है, उसी कॉलम नाम को चुनेंगे.
हमने pandas लाइब्रेरी को pd और seaborn लाइब्रेरी को sns के रूप में लोड किया है. कच्चा wholesale डेटासेट इम्पोर्ट किया जा चुका है, और पहले से फिट किया हुआ 3-सेगमेंट NMF इंस्टेंस nmf के रूप में उपलब्ध है. components डेटासेट pandas DataFrame के रूप में लोड किया गया है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में मार्केटिंग के लिए मशीन लर्निंग
अभ्यास निर्देश
- transformed values को data के रूप में, और components के index को column values के रूप में पास करके W मैट्रिक्स बनाइए.
- जिस कॉलम का संबंधित मान सबसे बड़ा हो, उसका नाम चुनकर segment वैल्यू असाइन कीजिए.
- प्रत्येक segment के लिए कॉलम-वाइज औसत मान निकालिए.
- औसत मानों को heatmap के रूप में plot कीजिए.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Create the W matrix
W = pd.DataFrame(data=nmf.___(wholesale), columns=components.index)
W.index = wholesale.index
# Assign the column name where the corresponding value is the largest
wholesale_nmf3 = wholesale.___(segment = W.idxmax(axis=1))
# Calculate the average column values per each segment
nmf3_averages = wholesale_nmf3.___('___').mean().round(0)
# Plot the average values as heatmap
sns.___(___.T, cmap='YlGnBu')
# Display the chart
plt.show()