Середні значення для сегментації K-means
У цій вправі ви дослідите середні значення стовпців для розв'язку з 3 сегментами методом K-means. У межах підходу «перевірити й навчитися» візуальний огляд варіантів сегментації є критично важливим, щоб визначити найрелевантніший для бізнесу.
Імпортовано seaborn як sns та matplotlib.pyplot як plt. Також ми виконали кластеризацію K-means на 3 сегменти й завантажили набір даних із призначеними мітками сегментів у датафрейм wholesale_kmeans3.
Ця вправа є частиною курсу
Machine Learning для маркетингу в Python
Інструкції до вправи
- Згрупуйте за міткою сегмента та обчисліть середні значення стовпців.
- Виведіть середні значення стовпців для кожного сегмента.
- Створіть теплову мапу за середніми значеннями стовпців для кожного сегмента.
- Показати діаграму.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Group by the segment label and calculate average column values
kmeans3_averages = wholesale_kmeans3.___(['___']).___().round(0)
# Print the average column values per each segment
print(___)
# Create a heatmap on the average column values per each segment
sns.___(___.T, cmap='YlGnBu')
# Display the chart
plt.___()