Ви будете використовувати набір даних mall customers, який містить такі стовпці:

Також слід виконати такі кроки перед кластеризацією:

1. Завантаження даних: використовуйте pandas для завантаження CSV-файлу;
2. Вибір релевантних ознак: зосередьтеся на стовпцях 'Annual Income (k$)' та 'Spending Score (1-100)';
3. Масштабування даних (важливо для DBSCAN): оскільки DBSCAN використовує обчислення відстаней, важливо масштабувати ознаки до подібних діапазонів. Для цього можна використати StandardScaler.

Інтерпретація

У цьому випадку код створює 5 кластерів. Важливо проаналізувати отримані кластери, щоб отримати уявлення про сегментацію клієнтів. Наприклад, можна виявити кластери, що представляють:

• Клієнти з високим доходом і високими витратами;

• Клієнти з високим доходом і низькими витратами;

• Клієнти з низьким доходом і високими витратами;

• Клієнти з низьким доходом і низькими витратами;

• Клієнти із середнім доходом і середніми витратами.

Підсумкові зауваження