k-means 클러스터링으로 세분화 구축하기

이 연습 문제에서는 KMeans 알고리즘으로 고객 세분화를 구축해 보겠습니다. 이전 단계에서 확인했듯이, 수학적으로 최적인 클러스터 수는 3과 4 사이에 있습니다. 여기서는 4개 세그먼트로 모델을 구성해 볼게요.

전처리된 데이터셋은 wholesale_scaled_df로 로드되어 있습니다. 이를 사용해 KMeans 알고리즘을 실행하고, 원본 비전처리 데이터셋 wholesale은 나중에 생성할 4개 세그먼트의 평균 열 값을 탐색하는 데 사용할 거예요.

이 연습은 강의의 일부입니다

Python으로 배우는 마케팅용 Machine Learning

강의 보기

연습 안내

sklearn.cluster 모듈에서 KMeans 알고리즘을 import하세요.
클러스터 수를 4로, random_state를 123으로 설정해 KMeans 알고리즘을 초기화하세요.
전처리된 wholesale_scaled_df 데이터셋으로 모델을 학습(fit)하세요.
생성된 레이블을 원본 wholesale 데이터셋의 segment라는 새 열에 할당하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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.___)

코드 편집 및 실행