Wholesale-data opnieuw bekijken: verkennen

Uit de vorige analyse bleek dat k = 2 de hoogste gemiddelde silhouette-breedte heeft. In deze oefening ga je verder met het analyseren van de wholesale-klantgegevens door een kmeans-model met 2 clusters te bouwen en te verkennen.

Deze oefening maakt deel uit van de cursus

Clusteranalyse in R

Bekijk cursus

Oefeninstructies

Bouw een k-meansmodel genaamd model_customers voor de customers_spend-gegevens met de functie kmeans() en centers = 2.
Haal de vector met cluster-toewijzingen uit het model model_customers$cluster en sla deze op in de variabele clust_customers.
Voeg de cluster-toewijzingen als kolom cluster toe aan de data frame customers_spend en sla het resultaat op in een nieuwe data frame segment_customers.
Bereken de grootte van elk cluster met count().

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

set.seed(42)

# Build a k-means model for the customers_spend with a k of 2
model_customers <- ___

# Extract the vector of cluster assignments from the model
clust_customers <- ___

# Build the segment_customers data frame
segment_customers <- mutate(___, cluster = ___)

# Calculate the size of each cluster
count(___, ___)

# Calculate the mean for each category
segment_customers %>% 
  group_by(cluster) %>% 
  summarise_all(list(mean))

Code bewerken en uitvoeren