标签：plt 变量 kmeans airbnb cluster pd import 聚类分析
注意点：一定要处理异常值和去量纲
导入库
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline
一、数据概况
异常值
缺失值
二、单变量分析
- 创建新变量
airbnb['year_since_account_created']=airbnb['date_account_created'].apply(lambda x:2019-x.year)
- 类别型变量处理
store=pd.get_dummies(store)
- 日期型变量处理
airbnb['date_account_created']=pd.to_datetime(airbnb['date_account_created']) # 将注册日期转变为日期时间格式
- 删除对业务分析没有实际作用的变量
drop(['变量名'],axis=1,inplace=True)
三、数据准备
1.相关分析
mb1.columns
mobike.corr() # 相关分析
sns.heatmap(df.corr()) # 使用热力图进行可视化呈现
2.选择变量
airbnb_5=airbnb[['age','web','moweb','ios','android']]
X = dataset.iloc[:, [3, 4]].values#选择最后两栏作为分群依据
3.数据标准化：（收入-收入均值）/收入标准差
from sklearn.preprocessing import scale
airbnb_5=airbnb[['age','web','moweb','ios','android']]
x=pd.DataFrame(scale(airbnb_5)) # 全部变量
tired['speed_scaled']=preprocessing.scale(tired.vehicle_speed) # 单个变量
四、评估聚类个数——肘部法则
快速下降趋于平缓下降的转折点，为聚类最好的情况
from sklearn.cluster import KMeans
sse = []
for i in range(1,11): # 循环使用不同k测试结果
kmeans = KMeans(n_clusters = i, init = 'k-means++', random_state = 42)
kmaeans.fit(df[[,,,]])
sse.append(kmeans.inertia_) # kmeans.inertia_是每类数据到其中心点的距离之和。值越小，聚类越好。类别越多，k越大，值越小。
plt.plot(range(1,11), sse)
plt.title('The Elbow Method')
plt.xlabel('Number of clusters')
plt.ylabel('SSE')
plt.show()
五、建模
from sklearn import cluster
model=cluster.KMeans(n_clusters=3,random_state=10)# 先尝试分为三类
model.fit(x)
airbnb_5['cluster']=model.labels_ # 提取分群标签，存入dataframe
六、模型评估，评估变量选择和群数对分群效果的影响
（一）使用groupby函数，评估各个变量维度的分群效果
airbnb_5=airbnb[['age','web','moweb','ios','android']]
airbnb_5.groupby(['cluster'])['age'].describe()
（二）散点图，查看分群结果，考虑是否调整群数
sns.scatterplot(x='age',y='ios',hue='cluster',data=airbnb_5,palette=) # palette调色板，hue分组
（三）使用silhouette score轮廓系数，评估模型效果
from sklearn import metrics
x_cluster=model.predict(x) # 个体与群的距离
metrics.silhouette_score(x,x_cluster) # 评分越高，个体与群越近；评分越低，个体与群越远
六、模型优化
改变分类数量，重复建模步骤，并比较轮廓系数，不断优化模型
七、分群的业务解读，评估每个群最有区分度的变量
centers=pd.DataFrame(model.cluster_centers_)
centers.to_csv('center_3.csv') # 导出聚类结果
理解行和列：
行：每一行是系统认为的群组，即0群、1群、2群；
列：重点关注每一列的数据，标注出绝对值较大的数字，如果人群在某个特征变量上数据的绝对值较大，就说明这个人群在这个特征上有较明显的区分度
结合业务，解读各个群组的特征
例如，下图中0群大多通过H5页面下单，不使用app；2群可能是果粉，是ios重度用户，不怎么使用web。
标签：plt,变量,kmeans,airbnb,cluster,pd,import,聚类分析 来源： https://blog.csdn.net/weixin_45366750/article/details/119114660
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。