Alternativ segmentering med NMF
I den här övningen analyserar du produktköpsdata och identifierar meningsfulla segment med hjälp av algoritmen för icke-negativ matrixfaktorisering (NMF). Den fungerar väl med glesa kund-produkt-matriser, vilket är typiskt inom e-handel och detaljhandel. Till sist extraherar du komponenterna som du sedan utforskar i nästa övning.
Vi har laddat pandas som pd och numpy som np. Det råa datasetet med kundernas produktköp har också laddats in som wholesale.
Den här övningen är en del av kursen
Maskininlärning för marknadsföring i Python
Övningsinstruktioner
- Importera funktionen för icke-negativ matrixfaktorisering från
sklearn.decomposition. - Initiera en
NMF-instans med 4 komponenter. - Anpassa modellen till försäljningsdatan i
wholesale. - Extrahera och lagra komponenterna som en
pandasDataFrame.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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)