Budowanie rozwiązania z 4 klastrami
Doskonale! Widać, że zalecana liczba klastrów wynosi od 3 do 4. Teraz zbudujesz rozwiązanie z tą drugą liczbą klastrów.
Znormalizowany zbiór danych RFMT jest dostępny jako datamart_rfmt_normalized — możesz go swobodnie eksplorować w konsoli.
To ćwiczenie jest częścią kursu
Segmentacja klientów w Pythonie
Instrukcje do ćwiczenia
- Zaimportuj
KMeansz bibliotekisklearn. - Zainicjalizuj
KMeansz 4 klastrami i losowym stanem 1. - Dopasuj algorytm k-means do znormalizowanego zbioru danych.
- Wyodrębnij etykiety klastrów i zapisz je jako obiekt
cluster_labels.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Import KMeans
from ____.____ import ____
# Initialize KMeans
kmeans = ____(____, ____)
# Fit k-means clustering on the normalized data set
____.____(____)
# Extract cluster labels
cluster_labels = ____.____