使用 k-means 分群建立分群模型
在這個練習中，你將使用 KMeans 演算法建立顧客分群。正如你在前一步辨識到的，數學上最佳的叢集數大約是 3 或 4。這裡你會建立 4 個分群。
前處理後的資料集已載入為 wholesale_scaled_df。你將用它來執行 KMeans 演算法，另外還有未經處理的原始資料集 wholesale —— 之後你會用它來探索你建立的 4 個分群在各欄位的平均值。
本練習屬於課程
Python 的行銷機器學習
練習說明
- 從
sklearn.cluster模組匯入KMeans演算法。 - 以 4 個叢集和
random_state設為 123 來初始化KMeans演算法。 - 在前處理後的資料集
wholesale_scaled_df上擬合模型。 - 將產生的標籤指派到原始
wholesale資料集中名為segment的新欄位
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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.___)