K-means-segmentatiegemiddelden
In deze oefening verken je de gemiddelde kolomwaarden voor een 3-segmentoplossing met K-means. Als onderdeel van het test-&-learn-verkenningsproces is het visueel inspecteren van segmentatieoplossingen cruciaal om de meest zakelijk relevante optie te vinden.
seaborn is als sns en matplotlib.pyplot als plt geïmporteerd. Ook hebben we een 3-segmentoplossing met K-means gedraaid en de gegevensset met toegewezen segmentlabels geladen als de DataFrame wholesale_kmeans3.
Deze oefening maakt deel uit van de cursus
Machine Learning voor marketing in Python
Oefeninstructies
- Groepeer op het segmentlabel en bereken de gemiddelde kolomwaarden.
- Print de gemiddelde kolomwaarden per segment.
- Maak een heatmap van de gemiddelde kolomwaarden per segment.
- Toon de visualisatie.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# 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.___()