Uruchamianie k-means

Zbudujesz teraz model k-means z 3 klastrami. Wstępnie przetworzony zbiór danych RFM został wczytany jako datamart_normalized. Biblioteka pandas jest dostępna pod nazwą pd.

Możesz przejrzeć zbiór danych w konsoli, żeby się z nim zapoznać.

To ćwiczenie jest częścią kursu

Segmentacja klientów w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Zaimportuj KMeans z biblioteki scikit-learn.
Zainicjalizuj KMeans z 3 klastrami i wartością random_state równą 1.
Dopasuj model k-means do znormalizowanego zbioru danych.
Wyodrębnij etykiety klastrów i zapisz je jako cluster_labels.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import KMeans 
from ____.____ import ____

# Initialize KMeans
kmeans = ____(____=3, ____=1) 

# Fit k-means clustering on the normalized data set
____.____(datamart_normalized)

# Extract cluster labels
cluster_labels = ____.____

Edytuj i uruchom kod