运维开发网
广告位招商联系QQ:123077622
 
广告位招商联系QQ:123077622

kaggle | 商城客户细分数据

运维开发网 https://www.qedev.com 2021-04-11 18:39 出处:51CTO 作者:mb5ffd6eef9281a
无聊看下kaggle,发现了一个不错的数据集您有超市购物中心和会员卡,您可以获得有关客户的一些基本数据,如客户ID,年龄,性别,年收入和支出分数。消费分数是您根据定义的参数(如客户行为和购买数据)分配给客户的分数。问题陈述您拥有购物中心并希望了解哪些客户可以轻松融合目标客户,以便可以向营销团队提供意见并相应地制定策略数据集是要根据最后两个特征,来判断是否给会员卡,在生活挺常见的,典型的无监督学习,

无聊看下kaggle,发现了一个不错 的数据集

您有超市购物中心和会员卡,您可以获得有关客户的一些基本数据,如客户ID,年龄,性别,年收入和支出分数。消费分数是您根据定义的参数(如客户行为和购买数据)分配给客户的分数。

问题陈述 您拥有购物中心并希望了解哪些客户可以轻松融合目标客户,以便可以向营销团队提供意见并相应地制定策略

kaggle | 商城客户细分数据

数据集是要根据最后两个特征,来判断是否给会员卡,在生活挺常见的,典型的无监督学习,用k-means他们分类

import numpy as np # linear algebra
import pandas as pd # data processing, CSV file I/O (e.g. pd.read_csv)

import os
print(os.listdir("../input"))
['Mall_Customers.csv']
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import warnings
import seaborn as sns
from sklearn.preprocessing import LabelEncoder
warnings.filterwarnings('ignore')
data=pd.read_csv('../input/Mall_Customers.csv')
data.head()

kaggle | 商城客户细分数据

X=data.iloc[:,[3,4]].values # 将年度收入和支出分数作为特征

求最优聚类数

from sklearn.cluster import KMeans
wcss=[]
for i in range(1,11):
    kmeans=KMeans(n_clusters=i,init='k-means++',max_iter=300,n_init=10,random_state=0)
    kmeans.fit(X)
    wcss.append(kmeans.inertia_)
plt.plot(range(1,11),wcss)
plt.title('The Elbow Method')
plt.xlabel('Number of clusters')
plt.ylabel('WCSS')
plt.show()

kaggle | 商城客户细分数据

看出就是5,因为5是折点

kmeans=KMeans(n_clusters=5,init='k-means++',max_iter=300,n_init=10,random_state=0)
y_kmeans=kmeans.fit_predict(X)

kaggle | 商城客户细分数据

plt.scatter(X[y_kmeans==0,0],X[y_kmeans==0,1],s=100,c='magenta',label='Careful')
plt.scatter(X[y_kmeans==1,0],X[y_kmeans==1,1],s=100,c='yellow',label='Standard')
plt.scatter(X[y_kmeans==2,0],X[y_kmeans==2,1],s=100,c='green',label='Target')
plt.scatter(X[y_kmeans==3,0],X[y_kmeans==3,1],s=100,c='cyan',label='Careless')
plt.scatter(X[y_kmeans==4,0],X[y_kmeans==4,1],s=100,c='burlywood',label='Sensible')
plt.scatter(kmeans.cluster_centers_[:,0],kmeans.cluster_centers_[:,1],s=300,c='red',label='Centroids')
plt.title('Cluster of Clients')
plt.xlabel('Annual Income (k$)')
plt.ylabel('Spending Score (1-100)')
plt.legend()
plt.show

kaggle | 商城客户细分数据

五个分类

Cluster 1- High income low spending =Careful

Cluster 2- Medium income medium spending =Standard

Cluster 3- High Income and high spending =Target

Cluster 4- Low Income and high spending =Careless

Cluster 5- Low Income and low spending =Sensible

比较男和女

sns.lmplot(x='Age', y='Spending Score (1-100)', data=data,fit_reg=True,hue='Gender')
plt.show()

kaggle | 商城客户细分数据

年龄分布

data.sort_values(['Age'])
plt.figure(figsize=(10,8))
plt.bar(data['Age'],data['Spending Score (1-100)'])
plt.xlabel('Age')
plt.ylabel('Spending Score')
plt.show()

kaggle | 商城客户细分数据

男人和女人花在20多岁和30多岁的时候,因为在以后的阶段,消费变小了。

男变为1,女0

label_encoder=LabelEncoder()
integer_encoded=label_encoder.fit_transform(data.iloc[:,1].values)
data['Gender']=integer_encoded
data.head()

kaggle | 商城客户细分数据

hm=sns.heatmap(data.iloc[:,1:5].corr(), annot = True, linewidths=.5, cmap='Blues')
hm.set_title(label='Heatmap of dataset', fontsize=20)
hm
plt.ioff()

kaggle | 商城客户细分数据

看了下其他人的代码,学习一下

有人分成3类

dataset_1 = data.iloc[:,1:5]
dataset_1.head(10)

kaggle | 商城客户细分数据

results = []
for i in range(1,10):
    kmeans = KMeans(n_clusters=i, init='k-means++')
    res = kmeans.fit(dataset_1)
    results.append(res.score(dataset_1))
plt.plot(range(1,10),results)
plt.xlabel('Num Clusters')
plt.ylabel('score')
plt.title('Elbow Curve')

kaggle | 商城客户细分数据

应该是无关数据影响了

dataset_2 = dataset[:,3:5]
dataset_2.head(10)

kaggle | 商城客户细分数据

results = []
for i in range(1,10):
    kmeans = KMeans(n_clusters=i, init='k-means++')
    res = kmeans.fit(dataset_2)
    results.append(res.score(dataset_2))
plt.plot(range(1,10),results)
plt.xlabel('Num Clusters')
plt.ylabel('score')
plt.title('Elbow Curve')

kaggle | 商城客户细分数据

数据集链接:

https://www.kaggle.com/vjchoudhary7/customer-segmentation-tutorial-in-python

扫码领视频副本.gif

0

精彩评论

暂无评论...
验证码 换一张
取 消

关注公众号