文件名称：Ecommerce:英国电子商务客户细分
文件大小：124KB
文件格式：ZIP
更新时间：2024-04-08 19:20:36
JupyterNotebook
客户分类：项目概述 对英国企业的客户进行了分析，以了解客户行为并提供准确的目标市场。 使用了来自541909客户的数据，并使用python进行了分析。 根据客户的消费习惯和消费金额创建客户群。 优化的朴素贝叶斯，逻辑回归，支持向量分类器和XGBoost以达到最佳模型。 使用的代码和资源 Python版本3.7 包装：熊猫，numpy，sklearn，matplotlib，seaborn 资料清理 我进行了以下更改并创建了以下变量： 删除了具有空值的变量CustomerID 在客户总支出的新列中创建了一个列 向量化的说明列，以准备要分析的文本 集群形成 形成三个集群 建筑模型 为了选择模型，我使用百分位数将顾客根据购买频率对顾客进行分类。我尝试了4种不同的模型： 朴素贝叶斯 逻辑回归 支持向量分类器 XGBoost 模型表现 XGboost模型的性能稍逊于逻辑回归模型，其中朴素贝叶斯和支持向
【文件预览】：
Ecommerce-master
----Ecommerce.ipynb(216KB)
----README.md(1KB)
----Ecommerce.png(29KB)