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。

KMeans 聚类算法实战:将餐厅客户分成 VIP 和普通客户

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!

免费AI点我,无需注册和登录