Medie della segmentazione K-means
In questo esercizio esplorerai i valori medi delle colonne per una soluzione a 3 segmenti con K-means. Nell'ambito del processo di test & learn, ispezionare visivamente le soluzioni di segmentazione è fondamentale per identificare l'opzione più rilevante per il business.
Sono già importati seaborn come sns e matplotlib.pyplot come plt. Inoltre, è stata eseguita una soluzione a 3 segmenti con K-means e il dataset con le etichette di segmento assegnate è stato caricato come DataFrame wholesale_kmeans3.
Questo esercizio fa parte del corso
Machine Learning per il marketing con Python
Istruzioni dell'esercizio
- Esegui un group by sull'etichetta di segmento e calcola i valori medi delle colonne.
- Stampa i valori medi delle colonne per ciascun segmento.
- Crea una heatmap sui valori medi delle colonne per ciascun segmento.
- Visualizza il grafico.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Group by the segment label and calculate average column values
kmeans3_averages = wholesale_kmeans3.___(['___']).___().round(0)
# Print the average column values per each segment
print(___)
# Create a heatmap on the average column values per each segment
sns.___(___.T, cmap='YlGnBu')
# Display the chart
plt.___()