Sobre • Instrução de uso • Tecnologias utilizadas • Contribuição • Links úteis
Primeiramente, usei o algoritmo de "K-means clustering" para segmentar clientes de uma empresa fictícia com base em duas variáveis: renda anual e gastos anuais. Logo em sequência, implementei a abordagem utilizando a biblioteca "Scikit-Learn" na linguagem de programação Python, destacando o processo de inicialização dos centróides, atribuição de clientes e ajuste dos centróides até a convergência do modelo.
Você pode acessá-lo aqui.
Aqui você decide como rodar seu próprio projeto.
- Primeiramente, você vai ter que ir no arquivo "ClusterizacaoClientes.ipynb".
- Segundamente, clique em Open in Colab para abrir o arquivo no Google Colab.
- Por fim, não é necessário você rodar o 1º e o 2º exemplo, pois já vai estar apresentado os gráficos correspondentes. Mas, você pode alterar o valor de clusters máximo na variável "limite_k" para enfim verificar como que esse valor afeta no gráfico como todo.
- Python: Linguagem de programação
- Google Colab: IDE
Agradeço a contribuição para o projeto. Se você está corrigindo um bug, adicionando uma funcionalidade, ou melhorando a documentação, sua contribuição é valiosa. Veja como você pode contribuir:
- Criar uma nova funcionalidade
Você pode criar mais variáveis para a empresa ou criar mais exemplos de uso do algoritmo K-Means.
- Siga os padrões de codificação
Consistência é fundamental! Aderir aos padrões de codificação e padrões estabelecidos no projeto. Isso garante a legibilidade e a manutenção do código.
- Espere pela revisão
Irei rever a sua solicitação de pull. Participe da discussão e faça as alterações solicitadas. Suas contribuições serão mescladas no projeto uma vez aprovada!