Bygg en lösning med 4 kluster

Bra jobbat! Som du ser är det rekommenderade antalet kluster någonstans mellan 3 och 4. I den här övningen bygger du en lösning med det senare antalet.

Det normaliserade RFMT-datasetet finns tillgängligt som datamart_rfmt_normalized – utforska det gärna i konsolen.

Den här övningen är en del av kursen

Kundsegmentering i Python

Visa kurs

Övningsinstruktioner

Importera KMeans från biblioteket sklearn.
Initiera KMeans med 4 kluster och random state 1.
Anpassa k-means-klustring på det normaliserade datasetet.
Extrahera klusteretiketterna och lagra dem som objektet cluster_labels.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import KMeans 
from ____.____ import ____

# Initialize KMeans
kmeans = ____(____, ____) 

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

# Extract cluster labels
cluster_labels = ____.____

Redigera och kör kod