Segmentare alternativă cu NMF

În acest exercițiu, vei analiza date despre achizițiile de produse și vei identifica segmente relevante folosind algoritmul de factorizare non-negativă a matricelor (NMF). Acesta funcționează bine cu matrice rare de tip client–produs, specifice comerțului electronic sau retailului. La final, vei extrage componentele pe care le vei explora în exercițiul următor.

Am încărcat pandas ca pd și numpy ca np. De asemenea, setul de date brut de tip client–produs a fost încărcat ca wholesale.

Acest exercițiu face parte din cursul

Machine Learning pentru Marketing în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Importă funcția de factorizare non-negativă a matricelor din sklearn.decomposition.
Inițializează o instanță NMF cu 4 componente.
Antrenează modelul pe datele de vânzări din wholesale.
Extrage și stochează componentele ca un DataFrame pandas.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Import the non-negative matrix factorization module
from sklearn.decomposition import ___

# Initialize NMF instance with 4 components
nmf = ___(4)

# Fit the model on the wholesale sales data
nmf.___(wholesale)

# Extract the components 
components = pd.DataFrame(data=nmf.___, columns=wholesale.columns)

Editează și rulează codul