《人工智能基础与应用》第5章 课后习题参考答案.docx

《《人工智能基础与应用》第5章 课后习题参考答案.docx》由会员分享，可在线阅读，更多相关《《人工智能基础与应用》第5章 课后习题参考答案.docx（6页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第5章 物以类聚：发现新簇群课后习题答案一、考考你1.关于聚类说法正确是 D 。A.聚类样本一定要有标签B.应该将所有特征数据作为聚类依据C.聚类的k值可以随意指定D.聚类质心就是各簇群特征的平均值2.下列 C 聚类性能评价指标在-1,1之间，值越接近1说明聚类效果越好。A.CH分数B.戴维森堡丁指数DBIC.轮廓系数D.inertia3.k-means模型的 A 参数能保证聚类结果复现。A.random_stateB.initC.max_iterD.algorithm4.衡量聚类效果好坏的主要依据是 D 。A.各类之间的界限明显B.各样本离各自质心之和最小C.类别之间的协方差越大越好D.同类

2、样本紧促，不同类样本相距远5.关于RFM模型的应用，说法错误的是 D 。A.R、F、M是区分客户的三个重要指标B.这三个指标是基于原始数据统计出来的C.在具体场景应用RFM模型时，可以添加其它指标D.训练模型前样本不进行标准化处理也是可以的二、亮一亮1.在案例1中用k-均值算法对鸢尾花进行聚类时，有哪些办法能帮你找到最优的k值？参考答案：（1）尽可能多的获得鸢尾花的特征数据进行初步分析，基于特征数据确定种类的有效值作为k的数值。（2）在运行k-means聚类中根据聚类结果对比分析确定最优的k值。2.在案例2的电商用户分类过程中，求各类客户样本的均值有何意义？请举例说明。参考答案：由于聚类前对原

3、始数据进行了标准化处理，所以需要聚类后对质心进行反标准化转换，得到原始均值，方便观察聚类结果和对业务场景的解释。三、帮帮我1. Wholesale customers data.csv文件保存有批发商客户数据，前5行数据如下图5.20所示。数据集各属性函数如下。图5.20 批发商客户数据 Channel：客户渠道，1指酒店类，2指零售类。 Region：客户所在地区，1指里斯本，2指波尔图，3指其它地区。 Fresh：在新鲜产品上的支出。 Milk：在乳制品上的支出。 Grocery：在杂货上的支出。 Frozen：在冷冻产品上的支出。 Detergents_Paper：在清洁剂（纸）上的支出

4、。 Delicassen：在熟食上的支出。请运用k-means聚类算法将这400名批发商客户进行聚类，并试图解释聚类结果。提示：聚类时只考虑后6个特征，因为这6个特征代表客户的进货能力。参考答案：# 数据预处理# 1. 处理异常值 在处理异常值之前, 先来通过箱线图看看异常值.import seaborn as snsimport pandas as pdimport matplotlib.pyplot as pltdf=pd.read_csv(rdataWholesale customers data.csv,sep=,)def get_boxplot(data, start, end):

5、fig, ax= plt.subplots(1, end-start, figsize=(24, 4) for i in range(start, end): sns.boxplot(y=datadata.columnsi, data=data, ax=axi-start)get_boxplot(df,2, 8)解释：可以看到以上6个连续型变量均有异常值，由于k-means算法对异常值较敏感, 因此选择剔除它。import numpy as npdef drop_outlier(data, start, end): for i in range(start, end): field=data.

6、columnsi Q1= np.quantile(datafield, 0.25) Q3= np.quantile(datafield, 0.75) deta= (Q3 - Q1) * 1.5 data= data(datafield = Q1 - deta) & (datafield = Q3 +deta) return datadel_df=drop_outlier(df, 2, 8)print(原有样本容量:0, 剔除后样本容量:1.format(df.shape0, del_df.shape0)get_boxplot(del_df,2, 8)# 2. 变量离散化、归一化del_dfCh

7、annel =del_df.Channel.astype(str)del_dfRegion =del_df.Region.astype(str)del_df= pd.get_dummies(del_df)for i in range(6): field=del_df.columnsi del_dffield= del_dffield.apply(lambda x: (x - del_dffield.mean() / del_dffield.mean()# 3. 迭代评估聚类的k值from sklearn.cluster import KMeansK= range(1, 10)sse= for

8、k in K: 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()根据肘部法则, 选择K=2, 也就是说将客户分成两群.# 4. 客户分群from pandas.plotting import parallel_coordinates #训练模型km = KMeans(n_clusters=2, ran

9、dom_state=10)km.fit(del_df)centers=km.cluster_centers_labels=km.labels_customer= pd.DataFrame(0: centers0, 1: centers1).Tcustomer.columns=del_df.keys()df_median= pd.DataFrame(2: del_df.median().Tcustomer=pd.concat(customer, df_median)customercategory = customer_1, customer_2, median#绘制图像plt.figure(f

10、igsize=(12, 6)parallel_coordinates(customer,category, color=(red,blue,black)plt.xticks(rotation = 15)plt.show()从6种产品每年消费支出来看, 客户群1在冷冻产品上最高, 在洗涤剂和纸制品上最低, 而客户群2则在冷冻产品上最低, 在洗涤剂和纸制品上最高, 且客户群2在6种产品的消费支出均高于中位数水平, 因此客户群2为重要客户, 客户群1则是一般客户。#5. 最终分群结果，将聚类后的标签加入数据集del_dfcategory =labelsdel_dfcategory = np.wher

11、e(del_df.category = 0, customer_1, customer_2)customer= pd.DataFrame(0: centers0, 1: centers1).Tcustomercategory = customer_1_center, customer_2_centercustomer.columns=del_df.keys()del_df=pd.concat(del_df, customer) #对6类产品每年消费水平进行绘制图像df_new = del_dfFresh, Milk, Grocery, Frozen, Detergents_Paper, Delicassen, categoryplt.figure(figsize=(18, 6)parallel_coordinates(df_new,category, color=(red,blue,Magenta,RoyalBlue)plt.xticks(rotation= 15)plt.show() 通过上图可以看到, 最终的聚类效果较理想, 其中客户群1(一般客户)在图上表现较为密集, 代表其数量多，而客户群2(重要客户)在图上则较稀疏, 数量较少。