Powrót do danych hurtowych: eksploracja

Z poprzedniej analizy wynika, że k = 2 daje najwyższą średnią szerokość sylwetki. W tym ćwiczeniu będziesz kontynuować analizę danych klientów hurtowych – zbudujesz i zbadasz model k-means z 2 skupieniami.

To ćwiczenie jest częścią kursu

Analiza skupień w R

Zobacz kurs

Instrukcje do ćwiczenia

Zbuduj model k-means o nazwie model_customers dla danych customers_spend, używając funkcji kmeans() z parametrem centers = 2.
Wyodrębnij wektor przypisań do skupień z modelu model_customers$cluster i zapisz go w zmiennej clust_customers.
Dodaj przypisania do skupień jako kolumnę cluster do ramki danych customers_spend i zapisz wynik do nowej ramki danych o nazwie segment_customers.
Oblicz rozmiar każdego skupienia, używając funkcji count().

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

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))

Edytuj i uruchom kod