A Maple Market pede grupos descritivos de clientes a partir de contagens fictícias de visitas e valores de cesta. Entregue um fluxo não supervisionado de escalonamento e K-means, atribuições indexadas, perfis em unidades originais, tamanhos dos grupos, um diagnóstico de silhueta e uma entrega completa de cliente para cluster. Não ordene os clientes por números de cluster arbitrários.
A Maple Market quer um agrupamento descritivo de seus clientes fictícios. A tabela contém visitas e valores de cesta, além de um identificador que deve ficar fora do cálculo de distâncias. Não há nenhum rótulo de resultado para prever. Crie uma partição escalonada com três clusters e depois descreva os grupos resultantes nas unidades de negócio originais.
Quem faz a análise de marketing precisa de uma tabela de atribuições por linha e de um resumo por grupo, não apenas de um gráfico de dispersão ou de um array de números de cluster. Os IDs de cluster são arbitrários, então não trate a ordem numérica deles como valor do cliente. Calcule uma pontuação de silhueta como diagnóstico geométrico e conte o tamanho dos grupos como uma verificação à parte. A entrega final deve preservar cada cliente uma única vez. Estes passos continuam no mesmo notebook, adicionando uma saída a cada etapa e mantendo disponíveis para inspeção os objetos de preparação e de agrupamento ajustados.
Os identificadores localizam os clientes, mas não descrevem o comportamento para este agrupamento.