数据挖掘习题11

1.题干

       样本数据集总结了过去6个月约9000名活跃信用卡持卡人的使用行为，包含18个行为变量。

CUST_ID：信用卡持卡人编号    BALANCE：他们账户中用于购买的余额

BALANCE_FREQUENCY：余额更新的频率，得分在0到1之间（1=频繁更新，0=不频繁更新）

PURCHASES：从账户进行的采购金额    ONEOFF_PURCHASES：一次性完成的最大购买金额

INSTALLMENTS_PURCHASES：分期付款完成的购买金额    CASH_ADVANCE：用户预付现金

PURCHASES_FREQUENCY：购买的频率，得分在0到1之间（1=经常购买，0=不经常购买）

ONEOFFPURCHASESFREQUENCY：一次性购买的频率（1=频繁购买，0=不频繁购买）

PURCHASESINSTALLMENTSFREQUENCY：分期付款的频率（1=经常进行，0=不经常进行）

CASHADVANCEFREQUENCY：预付现金的支付频率

CASHADVANCETRX：使用“预付现金”进行的交易数量

PURCHASES_TRX：进行的采购交易数量    CREDIT_LIMIT：用户信用卡限额

PAYMENTS：用户完成的付款金额    MINIMUM_PAYMENTS：用户支付的最低金额

PRCFULLPAYMENT：用户支付的全额付款的百分比    TENURE：为用户提供信用卡服务的期限

       读取数据，查看数据基本信息，查看有无缺失值，哪些变量有缺失值，使用均值填充缺失值，数据标准化，选择适当的聚类数，使用k-Means聚类，使用AgglomerativeClustering进行层次聚类，使用DBSCAN机型密度聚类，计算每一种聚类轮廓系数系数silhouette_score。

2.数据格式

3.代码 

import pandas as pd
from sklearn.impute import SimpleImputer
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans, AgglomerativeClustering, DBSCAN
from sklearn.metrics import silhouette_score

def printf(n, strf):
    print()
    print('-' * n)
    print(f"\033[1m{strf}\033[0m")
    print()

data = pd.read_csv("dataset/CC GENERAL.csv")
printf(100, '查看数据基本信息')
print(data.info())
printf(100, '查看是否有缺失值')
print(data.isnull().sum())

data_numeric = data.drop(columns=['CUST_ID'])
imputer = SimpleImputer(strategy='mean')
data_filled = pd.DataFrame(imputer.fit_transform(data_numeric), columns=data_numeric.columns)
scaler = StandardScaler()
data_scaled = scaler.fit_transform(data_filled)

for k in range(2,8):
    kmeans = KMeans(n_clusters=k, random_state=42)
    clusters = kmeans.fit_predict(data_scaled)
    silhouette_score_kmeans = silhouette_score(data_scaled, clusters)
    print(f"K-Means with {k} clusters - Silhouette Score: {silhouette_score_kmeans}")

agglomerative = AgglomerativeClustering(n_clusters=3)
clusters = agglomerative.fit_predict(data_scaled)
silhouette_score_agg = silhouette_score(data_scaled, clusters)
print(f"Agglomerative Clustering - Silhouette Score: {silhouette_score_agg}")

dbscan = DBSCAN(eps=0.5, min_samples=5)
clusters = dbscan.fit_predict(data_scaled)
silhouette_score_dbscan = silhouette_score(data_scaled, clusters)
print(f"DBSCAN Clustering - Silhouette Score: {silhouette_score_dbscan}")

4.后续更新中