@Author：BY Runsen
@Date：2019年06月09日
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，用k-means他们分类
<code>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")) /<code>
<code>['Mall_Customers.csv'] /<code>
<code>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') /<code>
<code>data=pd.read_csv('../input/Mall_Customers.csv') data.head() /<code>
<code>X=data.iloc[:,[3,4]].values # 将年度收入和支出分数作为特征 /<code>
求最优聚类数
<code>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() /<code>
看出就是5，因为5是折点
<code>kmeans=KMeans(n_clusters=5,init='k-means++',max_iter=300,n_init=10,random_state=0) y_kmeans=kmeans.fit_predict(X) /<code>
<code>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 /<code>
五个分类
<code>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 /<code>
比较男和女
<code>sns.lmplot(x='Age', y='Spending Score (1-100)', data=data,fit_reg=True,hue='Gender') plt.show() /<code>
年龄分布
<code>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() /<code>
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
<code>label_encoder=LabelEncoder() integer_encoded=label_encoder.fit_transform(data.iloc[:,1].values) data['Gender']=integer_encoded data.head() /<code>
<code>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() /<code>
看了下其他人的代码，学习一下
有人分成3类
<code>dataset_1 = data.iloc[:,1:5] dataset_1.head(10) /<code>
<code>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') /<code>
应该是无关数据影响了
<code>dataset_2 = dataset[:,3:5] dataset_2.head(10) /<code>
<code>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') /<code>
数据集链接：
https://www.kaggle.com/vjchoudhary7/customer-segmentation-tutorial-in-python