Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lære Implementering på Virkeligt Datasæt | Dbscan
Klyngeanalyse

bookImplementering på Virkeligt Datasæt

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

Du bør også følge disse trin før klyngedannelse:

  1. Indlæs data: du bruger pandas til at indlæse CSV-filen;
  2. Vælg relevante features: du fokuserer på kolonnerne 'Annual Income (k$)' og 'Spending Score (1-100)';
  3. Dataskalering (vigtigt for DBSCAN): da DBSCAN anvender afstandsberegninger, er det afgørende at skalere features, 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?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

Sektion 5. Kapitel 5

Spørg AI

expand

Spørg AI

ChatGPT

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

Awesome!

Completion rate improved to 2.94

bookImplementering på Virkeligt Datasæt

Stryg for at vise menuen

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

Du bør også følge disse trin før klyngedannelse:

  1. Indlæs data: du bruger pandas til at indlæse CSV-filen;
  2. Vælg relevante features: du fokuserer på kolonnerne 'Annual Income (k$)' og 'Spending Score (1-100)';
  3. Dataskalering (vigtigt for DBSCAN): da DBSCAN anvender afstandsberegninger, er det afgørende at skalere features, 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?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

Sektion 5. Kapitel 5
some-alt