Альтернативная сегментация с помощью NMF
В этом упражнении вы проанализируете данные о покупках товаров и выявите значимые сегменты с помощью алгоритма неотрицательного матричного разложения (NMF). Этот алгоритм хорошо работает с разреженными матрицами «покупатель – товар», которые типичны для электронной коммерции и розничной торговли. В завершение вы извлечёте компоненты, которые изучите в следующем упражнении.
Библиотеки pandas загружены как pd, а numpy — как np. Исходный набор данных о покупках товаров покупателями загружен как wholesale.
Это упражнение является частью курса
Машинное обучение для маркетинга на Python
Инструкции к упражнению
- Импортируйте функцию неотрицательного матричного разложения из
sklearn.decomposition. - Инициализируйте экземпляр
NMFс 4 компонентами. - Обучите модель на данных о продажах из набора
wholesale. - Извлеките компоненты и сохраните их в виде DataFrame библиотеки
pandas.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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)