Stryg for at vise menuen

Du vil bruge mall customers datasættet, som indeholder følgende kolonner:

Du bør også følge disse trin før klyngedannelse:

Indlæs data: brug pandas til at indlæse CSV-filen;
Vælg relevante funktioner: fokus på kolonnerne 'Annual Income (k$)' og 'Spending Score (1-100)';
Skalering af data (vigtigt for DBSCAN): da DBSCAN bruger afstandsberegninger, er det vigtigt at skalere funktionerne, så de har lignende intervaller. Du kan bruge StandardScaler til dette formål.

Fortolkning

Koden opretter 5 klynger i dette tilfælde. Det er vigtigt at analysere de resulterende klynger for at opnå indsigt i kundesegmentering. For eksempel kan du finde klynger, der repræsenterer:

Høj indkomst, højt forbrug;
Høj indkomst, lavt forbrug;
Lav indkomst, højt forbrug;
Lav indkomst, lavt forbrug;
Mellem indkomst, mellem forbrug.

Afsluttende bemærkninger

Var alt klart?

Tak for dine kommentarer!

Sektion 5. Kapitel 5

Spørg AI

Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat

Implementering på et Reelt Datasæt