NMF로 대안적 세분화
이 연습 문제에서는 제품 구매 데이터를 분석하고, 비음수 행렬 분해(NMF) 알고리즘을 사용해 의미 있는 세그먼트를 식별해 봅니다. NMF는 전자상거래나 소매 분야에서 흔한, 고객-제품 희소 행렬에 잘 작동해요. 마지막으로, 다음 연습 문제에서 살펴볼 컴포넌트를 추출하겠습니다.
pandas는 pd로, numpy는 np로 불러와 두었습니다. 또한 원본 고객-제품 구매 데이터셋은 wholesale로 로드되어 있어요.
이 연습은 강의의 일부입니다
Python으로 배우는 마케팅용 Machine Learning
연습 안내
sklearn.decomposition에서 비음수 행렬 분해 함수NMF를 임포트하세요.- 컴포넌트를 4개로 하여
NMF인스턴스를 초기화하세요. wholesale판매 데이터에 모델을 적합(fit)하세요.- 추출한 컴포넌트를
pandasDataFrame으로 저장하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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)