python层次聚类选择类别_层次聚类的初学者指南

介绍

任何行业中，了解客户行为都是至关重要的。去年，我的首席营销官问 “现有客户中哪些客户应作为新产品的目标用户？”时，我就意识到了这一点。

对我来说，这是一个很好的学习曲线。我意识到了细分客户是多么重要，这样企业就可以制定和构建针对性策略。聚类的概念在这里变得非常方便！

像细分客户这样的问题通常很棘手，因为我们没有任何目标变量供考虑。我们处在一个无监督学习的状态，需要从中找出模式和结构，而不用考虑一个既定的结果。作为一名数据科学家，这既具有挑战又令人兴奋。

有几种不同的方法可以执行聚类(如下所示)。我将在本文中向您介绍其中一种--层次聚类。

我们将了解层次聚类是什么，它优于其他聚类算法的优势，不同类型的层次聚类以及执行它的步骤。我们最终使用客户细分数据集在Python中实现层次聚类。我很喜欢这种技术，我相信你也会在看完这篇文章之后做到这一点！

注意：如上所述，有多种方法可以执行群集。我鼓励您在文末链接查看介绍不同类型群集的精彩指南。

目录

1. 监督学习与无监督学习
2. 为什么采用层次聚类
3. 什么是层次聚类
4. 层次聚类的类型
5. 聚合层次聚类
6. 分裂层次聚类
7. 执行层次聚类的步骤
8. 如何选择层次聚类中的聚类数
9. 使用层次聚类解决客户细分问题

监督学习与非监督学习

在深入层次聚类之前，理解有监督和无监督学习之间的区别非常重要。让我用一个简单的例子解释这个差异。

假设我们想要估算每天在城市租用的自行车数量：

或者假设我们想要预测泰坦尼克号上的人是否幸存：

我们在这两个示例中都有一个固定的目标：

• 在第一个例子中，我们必须根据季节，假日，工作日，天气，气温等特征预测自行车的数量。
• 我们在第二个例子中预测乘客是否幸存。在'Survived'变量中，0代表该人丧生，1代表该人幸存。这里的自变量包括船票等级，性别，年龄等。

因此，当我们给出一个目标变量(上述两种情况下的数量和生存情况)时，我们必须根据给定的一组预测变量或自变量(季节，假日，性别，年龄等)进行预测，这些问题称为监督学习问题。

让我们从下图直观地理解这一点：

这里y是我们的依赖变量，或叫做目标变量，X代表自变量。目标变量依赖于X，因此它也被称为因变量。我们使用自变量在目标变量的监督下训练我们的模型，因此命名为监督学习。

在训练模型时，我们的目标是生成将自变量映射到所需目标的函数。一旦模型被训练，模型就可以通过新的观测值预测它们的目标。简而言之，这是有监督的学习。

但是可能存在我们没有任何目标变量来预测的情况。没有任何明确的目标变量的这些问题被称为无监督学习问题。我们在这些问题中只有自变量而没有目标/因变量。

在这些情况下，我们尝试将整个数据划分为一些组。这些组称为集群，制作这些集群的过程称为聚类。