Implementação em Conjunto de Dados Real
Você utilizará o conjunto de dados mall customers, que contém as seguintes colunas:
Também é necessário seguir estas etapas antes da clusterização:
- Carregar os dados: utilize
pandas
para carregar o arquivo CSV; - Selecionar atributos relevantes: foque nas colunas
'Annual Income (k$)'
e'Spending Score (1-100)'
; - Escalonamento dos dados (importante para DBSCAN): como o DBSCAN utiliza cálculos de distância, é fundamental escalonar os atributos para que tenham intervalos semelhantes. Utilize
StandardScaler
para esse fim.
Interpretação
O código cria 5 clusters neste caso. É importante analisar os clusters resultantes para obter insights sobre a segmentação de clientes. Por exemplo, é possível identificar clusters que representam:
-
Clientes de alta renda e alto gasto;
-
Clientes de alta renda e baixo gasto;
-
Clientes de baixa renda e alto gasto;
-
Clientes de baixa renda e baixo gasto;
-
Clientes de renda e gasto intermediários.
Considerações Finais
Obrigado pelo seu feedback!
Pergunte à IA
Pergunte à IA
Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo
Awesome!
Completion rate improved to 2.94
Implementação em Conjunto de Dados Real
Deslize para mostrar o menu
Você utilizará o conjunto de dados mall customers, que contém as seguintes colunas:
Também é necessário seguir estas etapas antes da clusterização:
- Carregar os dados: utilize
pandas
para carregar o arquivo CSV; - Selecionar atributos relevantes: foque nas colunas
'Annual Income (k$)'
e'Spending Score (1-100)'
; - Escalonamento dos dados (importante para DBSCAN): como o DBSCAN utiliza cálculos de distância, é fundamental escalonar os atributos para que tenham intervalos semelhantes. Utilize
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, é possível identificar 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 e gasto intermediários.
Considerações Finais
Obrigado pelo seu feedback!