KMeans聚类

根据进线次数、通话时长、静默时长、知识库点击次数，将通话小结聚类

1、数据源

小结	进线次数	平均通话时长	平均静默时长	知识库点击次数
小结1	5	234	23	2.3
小结2	9	543	43	4.5
小结3	12	234	43	3.4
小结4	23	123	34	2.2

2、加载数据

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
import warnings

from sklearn.cluster import KMeans
from sklearn.preprocessing import StandardScaler 
from sklearn.preprocessing import MinMaxScaler
from sklearn import metrics

warnings.filterwarnings("ignore")

# 由于各指标的权重是不同的,故这里考虑标准化而不是归一化
df= pd.read_excel(r'./data.xlsx')
# 提取特征训练数据
df_cluster=df[['进线次数','平均通话时长','平均静默时长','平均每通通话知识库点击次数']]
# 实例化，将数据标准化
data = np.array(df_cluster)
std = StandardScaler()
std_data= std.fit_transform(data)

print(std_data[:10])

3、训练数据

# KMeans繁类。由于数量极少,我们可以用个循环来判断
score_list = []
group_list = [i for i in range(2,15)]
for i in group_list:
    model = KMeans(n_clusters=i)
    y_pred = model.fit_predict(std_data)
    score_list.append(metrics.calinski_harabaz_score(std_datay_pred))
    score_list = np.array(score_list)
max_index = np.argmax(score_list)
print("最佳分组数:{0}".format(group_list[max_index]))
model = KMeans(n_clusters=group_list[max_index])
y_pred = model.fit_predict(std_data)
df['y_pred'] = y_pred