Implementação em Conjunto de Dados Real

Será utilizado o conjunto de dados mall customers, que contém as seguintes colunas:

Também é necessário seguir estes passos antes da clusterização:

1. Carregar os dados: utilização do pandas para carregar o arquivo CSV;
2. Selecionar as variáveis relevantes: foco nas colunas 'Annual Income (k$)' e 'Spending Score (1-100)';
3. Escalonamento dos dados (importante para o DBSCAN): como o DBSCAN utiliza cálculos de distância, é fundamental escalonar as variáveis para que tenham faixas semelhantes. Pode-se utilizar o StandardScaler para esse fim.

Interpretação

O código cria 5 clusters neste caso. É importante analisar os clusters resultantes para obter insights sobre a segmentação de clientes. Por exemplo, você pode encontrar clusters que representam:

• Clientes de alta renda e alto gasto;
• Clientes de alta renda e baixo gasto;
• Clientes de baixa renda e alto gasto;
• Clientes de baixa renda e baixo gasto;
• Clientes de renda média e gasto médio.

Considerações Finais