《人工智能基礎(chǔ)與應(yīng)用》第5章 課后習(xí)題參考答案

第5章物以類聚：發(fā)現(xiàn)新簇群課后習(xí)題答案一、考考你 1.關(guān)于聚類說法正確是D。A.聚類樣本一定要有標(biāo)簽 B.應(yīng)該將所有特征數(shù)據(jù)作為聚類依據(jù)C.聚類的k值可以隨意指定 D.聚類質(zhì)心就是各簇群特征的平均值 2.下列C聚類性能評價指標(biāo)在[-1,1]之間，值越接近1說明聚類效果越好。 A.CH分?jǐn)?shù) B.戴維森堡丁指數(shù)DBI C.輪廓系數(shù) D.inertia 3.k-means模型的A參數(shù)能保證聚類結(jié)果復(fù)現(xiàn)。 A.random_state B.init C.max_iter D.algorithm 4.衡量聚類效果好壞的主要依據(jù)是D。 A.各類之間的界限明顯 B.各樣本離各自質(zhì)心之和最小 C.類別之間的協(xié)方差越大越好 D.同類樣本緊促，不同類樣本相距遠(yuǎn) 5.關(guān)于RFM模型的應(yīng)用，說法錯誤的是D。 A.R、F、M是區(qū)分客戶的三個重要指標(biāo) B.這三個指標(biāo)是基于原始數(shù)據(jù)統(tǒng)計出來的 C.在具體場景應(yīng)用RFM模型時，可以添加其它指標(biāo)D.訓(xùn)練模型前樣本不進(jìn)行標(biāo)準(zhǔn)化處理也是可以的 二、亮一亮 1.在案例1中用k-均值算法對鳶尾花進(jìn)行聚類時，有哪些辦法能幫你找到最優(yōu)的k值？參考答案：（1）盡可能多的獲得鳶尾花的特征數(shù)據(jù)進(jìn)行初步分析，基于特征數(shù)據(jù)確定種類的有效值作為k的數(shù)值。（2）在運行k-means聚類中根據(jù)聚類結(jié)果對比分析確定最優(yōu)的k值。 2.在案例2的電商用戶分類過程中，求各類客戶樣本的均值有何意義？請舉例說明。 參考答案： 由于聚類前對原始數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化處理，所以需要聚類后對質(zhì)心進(jìn)行反標(biāo)準(zhǔn)化轉(zhuǎn)換，得到原始均值，方便觀察聚類結(jié)果和對業(yè)務(wù)場景的解釋。 三、幫幫我 1.Wholesalecustomersdata.csv文件保存有批發(fā)商客戶數(shù)據(jù)，前5行數(shù)據(jù)如下圖5.20所示。數(shù)據(jù)集各屬性函數(shù)如下。圖5.20批發(fā)商客戶數(shù)據(jù)Channel：客戶渠道，1指酒店類，2指零售類。Region：客戶所在地區(qū)，1指里斯本，2指波爾圖，3指其它地區(qū)。Fresh：在新鮮產(chǎn)品上的支出。Milk：在乳制品上的支出。Grocery：在雜貨上的支出。Frozen：在冷凍產(chǎn)品上的支出。Detergents_Paper：在清潔劑（紙）上的支出。Delicassen：在熟食上的支出。請運用k-means聚類算法將這400名批發(fā)商客戶進(jìn)行聚類，并試圖解釋聚類結(jié)果。提示：聚類時只考慮后6個特征，因為這6個特征代表客戶的進(jìn)貨能力。參考答案：#數(shù)據(jù)預(yù)處理#1.處理異常值在處理異常值之前,先來通過箱線圖看看異常值.importseabornassnsimportpandasaspdimportmatplotlib.pyplotaspltdf=pd.read_csv(r'data\Wholesalecustomersdata.csv',sep=',')defget_boxplot(data,start,end):fig,ax=plt.subplots(1,end-start,figsize=(24,4))foriinrange(start,end):sns.boxplot(y=data[data.columns[i]],data=data,ax=ax[i-start])get_boxplot(df,2,8)解釋：可以看到以上6個連續(xù)型變量均有異常值，由于k-means算法對異常值較敏感,因此選擇剔除它。importnumpyasnpdefdrop_outlier(data,start,end):foriinrange(start,end):field=data.columns[i]Q1=np.quantile(data[field],0.25)Q3=np.quantile(data[field],0.75)deta=(Q3-Q1)*1.5data=data[(data[field]>=Q1-deta)&(data[field]<=Q3+deta)]returndatadel_df=drop_outlier(df,2,8)print("原有樣本容量:{0},剔除后樣本容量:{1}".format(df.shape[0],del_df.shape[0]))get_boxplot(del_df,2,8)#2.變量離散化、歸一化del_df['Channel']=del_df.Channel.astype(str)del_df['Region']=del_df.Region.astype(str)del_df=pd.get_dummies(del_df)foriinrange(6):field=del_df.columns[i]del_df[field]=del_df[field].apply(lambdax:(x-del_df[field].mean())/del_df[field].mean())#3.迭代評估聚類的k值fromsklearn.clusterimportKMeansK=range(1,10)sse=[]forkinK:km=KMeans(n_clusters=k,random_state=10)km.fit(del_df)sse.append(km.inertia_)plt.figure(figsize=(8,6))plt.plot(K,sse,'-o',alpha=0.7)plt.xlabel("K")plt.ylabel("SSE")plt.show()根據(jù)肘部法則,選擇K=2,也就是說將客戶分成兩群.#4.客戶分群frompandas.plottingimportparallel_coordinates#訓(xùn)練模型km=KMeans(n_clusters=2,random_state=10)km.fit(del_df)centers=km.cluster_centers_labels=km.labels_customer=pd.DataFrame({'0':centers[0],"1":centers[1]}).Tcustomer.columns=del_df.keys()df_median=pd.DataFrame({'2':del_df.median()}).Tcustomer=pd.concat([customer,df_median])customer["category"]=["customer_1","customer_2",'median']#繪制圖像plt.figure(figsize=(12,6))parallel_coordinates(customer,"category",color=('red','blue','black'))plt.xticks(rotation=15)plt.show()從6種產(chǎn)品每年消費支出來看,客戶群1在冷凍產(chǎn)品上最高,在洗滌劑和紙制品上最低,而客戶群2則在冷凍產(chǎn)品上最低,在洗滌劑和紙制品上最高,且客戶群2在6種產(chǎn)品的消費支出均高于中位數(shù)水平,因此客戶群2為重要客戶,客戶群1則是一般客戶。#5.最終分群結(jié)果，將聚類后的標(biāo)簽加入數(shù)據(jù)集del_df['category']=labelsdel_df['category']=np.where(del_df.category==0,'customer_1','customer_2')customer=pd.DataFrame({'0':centers[0],"1":centers[1]}).Tcustomer["category"]=['customer_1_center',"customer_2_center"]customer.columns=del_df.keys()del_df=pd.concat([del_df,customer])#對6類產(chǎn)品每年消費水平進(jìn)行繪制圖像df_new=del_df[['Fresh','Milk','Grocery','Frozen','Detergents_Paper','Delicassen','category']]plt.figure(figsize=(18,6))paralle