Segmentasi alternatif dengan NMF

Dalam latihan ini, Anda akan menganalisis data pembelian produk dan mengidentifikasi segmen yang bermakna menggunakan algoritme non-negative matrix factorization (NMF). Metode ini bekerja dengan baik pada matriks pelanggan x produk yang jarang, yang umum di ranah e-commerce atau ritel. Terakhir, Anda akan mengekstrak komponen yang kemudian akan Anda eksplorasi pada latihan berikutnya.

Kami telah memuat pandas sebagai pd dan numpy sebagai np. Selain itu, himpunan data mentah pembelian pelanggan x produk telah dimuat sebagai wholesale.

Latihan ini adalah bagian dari kursus

Machine Learning untuk Pemasaran dengan Python

Lihat Kursus

Petunjuk latihan

Impor fungsi non-negative matrix factorization dari sklearn.decomposition.
Inisialisasi instance NMF dengan 4 komponen.
Latih model pada data penjualan wholesale.
Ekstrak dan simpan komponen sebagai pandas DataFrame.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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)

Edit dan Jalankan Kode