NMF を用いた別のセグメンテーション
この演習では、商品の購買データを分析し、Non-negative Matrix Factorization（NMF）アルゴリズムを使って有意義なセグメントを特定します。NMF は、eコマースや小売で典型的な「顧客×商品」の疎な行列と相性が良い手法です。最後に、次の演習で詳しく見るためのコンポーネントを抽出します。
pandas は pd、numpy は np として読み込まれています。また、生の顧客×商品別の購買データセットは wholesale として読み込まれています。
この演習はコースの一部です
Pythonで学ぶマーケティングのための機械学習
演習の手順
sklearn.decompositionから Non-negative Matrix Factorization の関数をインポートします。NMFインスタンスをコンポーネント数 4 で初期化します。wholesaleの売上データにモデルを適合させます。- コンポーネントを抽出し、
pandasの DataFrame として保存します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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)