使用无监督机器学习进行客户细分 -- 机器学习项目基础篇（11）

在今天的时代，公司努力工作，使他们的客户满意。他们推出新的技术和服务，以便客户可以更多地使用他们的产品。他们试图与每一个客户保持联系，以便他们能够相应地提供货物。但实际上，与每个人保持联系非常困难和不现实。因此，这里来使用客户细分。
客户细分是指根据客户的相似特征、行为和需求对客户进行细分。这最终将在许多方面帮助公司。比如，他们可以推出产品或相应地增强功能。他们也可以根据自己的行为针对特定部门。所有这些都导致了公司整体市场价值的提升。

今天，我们将使用机器学习来实现客户细分的任务。

导入库

我们需要的库是：

• Pandas -此库有助于以2D数组格式加载数据框。
• Numpy - Numpy数组非常快，可以执行大型计算。
• Matplotlib / Seaborn -此库用于绘制可视化。
• Sklearn -该模块包含多个库，这些库具有预实现的功能，可以执行从数据预处理到模型开发和评估的任务。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sb
 
from sklearn.preprocessing import StandardScaler, LabelEncoder
from sklearn.cluster import KMeans
 
import warnings
warnings.filterwarnings('ignore')

导入数据集

用于任务的数据集包括客户的详细信息，包括他们的婚姻状况、他们的收入、购买的物品的数量、购买的物品的类型等。

df = pd.read_csv('new.csv')
df.head()

df.shape

输出：

(2240, 25)(2240, 25)

数据预处理

df.info()

df.describe().T

df['Accepted'] = df['Accepted'].str.replace('Accepted', '')

检查数据集中的空值。

for col in df.columns:
    temp = df[col].isnull().sum()
    if temp > 0:
        print(f'Column {
     col} contains