使用 k-means 聚类构建分群
在本练习中，您将使用 KMeans 算法构建客户分群。正如您在上一步识别到的，数学上最优的聚类数大约在 3 到 4 之间。这里，您将构建包含 4 个分群的模型。
预处理后的数据集已加载为 wholesale_scaled_df。您将用它来运行 KMeans 算法；而原始未处理的数据集为 wholesale——稍后您将用它来查看所构建 4 个分群的各列均值。
本练习是课程的一部分
Python 营销中的机器学习
练习说明
- 从
sklearn.cluster模块导入KMeans算法。 - 以 4 个聚类和随机状态设为 123 来初始化
KMeans算法。 - 在预处理后的数据集
wholesale_scaled_df上拟合模型。 - 将生成的标签赋给原始
wholesale数据集中新建的segment列
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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.___)