《数据挖掘与机器学习》 课件9.2.2 构建K-Means模型.pptxVIP

8南宁职业技术学

院

NCVTNANNINGCOLLEGEFORVOCATIONALTECHNOLOGY

厨

数据挖掘与机器学习

DATAMININGA°NDMACHINELEARNING

构建电信运营商用户分群模型

电信运营商用户分析

任务描述构建电信运营商用户分群模型

电信通信服务的总方针是迅速、准确、安全、方便。在电信通信服务的总方针的指引下，

通过客户基本信息，将用户分类，对每类用户进行个性化服务，最大程度地控制客户流失。

本任务的操作将在保护用户信息安全的前提下进行。大数据时代，需要坚持网络安全为人

民、网络安全靠人民，树立正确的网络安全观，提高自身网络安全意识和防护技能。

本任务通过对客户性别、年龄、在网时长等信息进行简单的画图来观察客户基本信息与用

户在3月是否流失的关系，进行K-Means聚类分析，建立用户分群模型。

构建电信运营商用户分群模型

任务要求

使用pandas库分析用户基本信息。

使用sklearn库进行聚类分析。

使用Matplotlib库实现结果的可视化。

Part2任务实施

·分析用户基本信息

·构建K-Means模型

构建电信运营商用户分群模型

构建K-Means模型

构建K-Means模型主要分为以下6个步骤。

选择聚类优度聚类用户类别命名

1(计算MIC和BT)3构建模型5

绘制MIC曲线

2绘制密度函数图4用户类别占比分析6

和BT曲线

选择聚类优度构建电信运营商用户分群模型

聚类分析常见的数据挖掘手段，其主要假设是数据间存在相似性。而相似性是有价值的，

因此可以被用于探索数据中的特性以产生价值。

使用import和from导入KMeans、seaborn等开发类库。

聚类前准备，使用linalg.norm函数计算二范数，使用for循环计算MIC和BT。

MIC值是模型信息准则，通过最小化MIC值来估计聚类数量和分区，BT值是特征的体现

程度，BT值越大代表该聚类结果更能体现分区特征。

构建电信运营商用户分群模型

绘制MIC曲线和BT曲线

为了更直观地看到聚类后的特征体现程度，使用plot函数绘制MIC曲线和BT曲线，将数据可视化。

构建模型构建电信运营商用户分群模型

BT

1.0[

0.8

差

方