项目四银行业务大数据分析59课件.pptxVIP

;;;;;;;;;;下面以鸢尾花的前3个特征为例，先用手肘法确定聚类个数，然后根据获取的聚类个数进行K-Means建模。

确定类簇个数。

先剥离出鸢尾花数据的前3个特征，然后按类簇个数为1~110依次进行聚类，并将每次聚类所得到的误差平方和SSE记录下来，并存储为一个数列。代码如下:

python.

importnumpyasnp#线性运算包。

fromsklearn.clusterimportKMeans#构建K-Means的包。

X3=df[[0,1,2]].values#.values表示转换成array格式。

inertia=[]#构造变量inertia用来存放每次结果的误差平方和。

forninrange(1,11):#n从1取值到11，依次进行聚类计算。

algorithm=(KMeans(n_clusters=n,init=K-means++,random_state=111,algorithm=elkan))#K-means聚类。

algorithm.fit(X3)#按样本数据X3拟合聚类函数。

inertia.append(algorithm.inertia_)#通过.append添加每次得到的误差项到预先设定的变量inertia中。

此时聚类个数为1~10的模型SSE均存储在了变量inertia中，下面制作变量inertia的变化折线图，寻找到SSE降低速度减缓的点，该处对应的n值就是类个数。代码如下:

python.

importmatplotlib.pyplotasplt#绘图包。

importseabornassns#绘图包。

plt.figure(1,figsize=(15,6))#确定作图工作区并通过figsize对面幅进行限制。

plt.plot(np.arange(1,11),inertia,o)#x轴是1到11的自然数，y轴SSE，以o点的形式打印。

plt.plot(np.arange(1,11),inertia,-,alpha=0.5)#将SSE散点和以’-线连接打印。

plt.xlabel(NumberofClusters)#设置横轴、纵轴的名字。

plt.ylabel(lnertia)

plt.show()

输出结果如图1所示。通过观察可以看到聚类个数大于3之后，SSE下降趋势趋于平缓，故选定聚类个数为3。

K-Means模型构建。

下面以类簇个数为3，构建K-Means模型，代码如下:

python.

algorithm=(KMeans(n_clusters=3,init=k-means++,random_state=111,algorithm=elkan))#构建K-Meams模型。

algorithm.fit(X3)#用样本数据对K-Meam模型进行拟合。

labels3=algorithm.labels_#获得每个样本所在的类别。

centroids3=algorithm.cluster_centers_#获得每个类别的中心点。

df[label3]=labels3#将数据归属的类簇标签加入原数据df中。

print(df.head())#展示前5行。

此时，每个数据对象所归属的类簇标签被确定下来，并存储在了df新列label3中。如下所示:

|0|1|2|3|label3|.

|---|---|---|---|---|.

|5.1|3.5|1.4|0.2|0|.

|4.9|3.0|1.4|0.2|0|.

|4.7|3.2|1.3|0.2|0|.

|4.6|3.1|1.5|0.2|0|.

|5.0|3.6|1.4|0.2|0|.;;通过聚类算法，可以将客户按照其特征进行细分，例如按照年龄、性别、收入、风险承受能力等进行划分。这样可以帮助银行更好地了解不同客户群体的需求，制定更有针对性的营销策略。;;;;;;;;;;;聚类算法需要能够自动化地进行聚类，以减少人工干预。例如，可以使用自动选择聚类个数的方法，如轮廓系数法，来自动选择聚类个数。;聚类算法需要具有可解释性，以便更好地理解聚类结果。例如，可以使用可视化技术，如热力图，来可视化聚类结果，以便更好地理解聚类结果。;