KMeans 聚类算法实战:将餐厅客户分成 VIP 和普通客户
使用 KMeans 算法将餐厅客户分成 VIP 和普通客户
假设某餐厅现有 4 个客户,分别编号为 a、b、c、d,这 4 位客户某段时间的平均消费水平分别为 1、2、4、5 万元。现在想用 KMeans 算法将这 4 个客户聚类为 VIP 客户和普通客户两个类别。
代码实现
import numpy as np
from sklearn.cluster import KMeans
X = np.array([[1], [2], [4], [5]]) # 平均消费水平作为特征,转化为二维数组
kmeans = KMeans(n_clusters=2, random_state=0).fit(X) # 使用 KMeans 算法聚类
labels = kmeans.labels_ # 获取聚类结果
centers = kmeans.cluster_centers_ # 获取聚类中心
print(labels) # 输出聚类结果
print(centers) # 输出聚类中心
输出结果
[0 0 1 1]
[[1.5]
[4.5]]
解释
根据聚类结果,客户 a 和 b 被聚类为普通客户(类别 0),客户 c 和 d 被聚类为 VIP 客户(类别 1);聚类中心分别为 1.5 万元和 4.5 万元,表示普通客户和 VIP 客户的平均消费水平。
原文地址: https://www.cveoy.top/t/topic/or22 著作权归作者所有。请勿转载和采集!