สร้างการแบ่งกลุ่มด้วย k-means clustering
ในแบบฝึกหัดนี้ จะสร้างการแบ่งกลุ่มลูกค้าด้วยอัลกอริทึม KMeans จากขั้นตอนก่อนหน้า พบว่าจำนวนคลัสเตอร์ที่เหมาะสมทางคณิตศาสตร์อยู่ในช่วง 3 ถึง 4 คลัสเตอร์ ในที่นี้จะสร้างโมเดลโดยแบ่งเป็น 4 กลุ่ม
ชุดข้อมูลที่ผ่านการประมวลผลแล้วถูกโหลดไว้ในชื่อ wholesale_scaled_df ซึ่งจะนำมาใช้รันอัลกอริทึม KMeans ส่วนชุดข้อมูลดิบที่ยังไม่ผ่านการประมวลผลจะอยู่ในชื่อ wholesale เพื่อใช้วิเคราะห์ค่าเฉลี่ยของแต่ละคอลัมน์ใน 4 กลุ่มที่สร้างขึ้น
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Machine Learning สำหรับการตลาดด้วย Python
คำแนะนำการฝึกหัด
- นำเข้าอัลกอริทึม
KMeansจากโมดูลsklearn.cluster - กำหนดค่าเริ่มต้นให้อัลกอริทึม
KMeansโดยใช้ 4 คลัสเตอร์ และตั้งค่า random state เป็น 123 - ฝึกโมเดลบนชุดข้อมูล
wholesale_scaled_dfที่ผ่านการประมวลผลแล้ว - นำ labels ที่ได้จากโมเดลไปกำหนดให้กับคอลัมน์ใหม่ชื่อ
segmentในชุดข้อมูลดิบwholesale
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Import `KMeans` module
from sklearn.cluster import ___
# Initialize `KMeans` with 4 clusters
kmeans=KMeans(___=4, random_state=123)
# Fit the model on the pre-processed dataset
kmeans.fit(___)
# Assign the generated labels to a new column
wholesale_kmeans4 = wholesale.assign(segment = kmeans.___)