k-means क्लस्टरिंग के साथ सेगमेंटेशन बनाएँ
इस अभ्यास में, आप KMeans एल्गोरिदम के साथ कस्टमर सेगमेंटेशन बनाएँगे। जैसा कि आपने पिछले स्टेप में पहचाना, क्लस्टर्स की गणितीय रूप से उपयुक्त संख्या 3 और 4 के आसपास है। यहाँ, आप 4 सेगमेंट वाला मॉडल बनाएँगे।
प्री-प्रोसेस्ड डेटासेट wholesale_scaled_df के रूप में लोड किया गया है। आप इसी पर KMeans एल्गोरिदम चलाएँगे, और कच्चा, अन-प्रोसेस्ड डेटासेट wholesale के रूप में उपलब्ध है — आप बाद में इसका उपयोग अपने बनाए गए 4 सेगमेंट्स के लिए औसत कॉलम वैल्यूज़ देखने में करेंगे।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में मार्केटिंग के लिए मशीन लर्निंग
अभ्यास निर्देश
sklearn.clusterमॉड्यूल सेKMeansएल्गोरिदम इम्पोर्ट करें।KMeansएल्गोरिदम को 4 क्लस्टर्स और random_state को 123 पर सेट करके इनिशियलाइज़ करें।- प्री-प्रोसेस्ड
wholesale_scaled_dfडेटासेट पर मॉडल फिट करें। - जनरेट किए गए लेबल्स को रॉ
wholesaleडेटासेट मेंsegmentनाम के नए कॉलम में असाइन करें
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import `KMeans` module
from sklearn.cluster import ___
# Initialize `KMeans` with 4 clusters
kmeans=KMeans(___=4, random_state=123)
# Fit the model on the pre-processed dataset
kmeans.fit(___)
# Assign the generated labels to a new column
wholesale_kmeans4 = wholesale.assign(segment = kmeans.___)