Python数据分析案例-运用K-Means聚类分析广告效果

      在本案例中，我们通过各类广告渠道90天内额日均UV，平均注册率、平均搜索率、访问深度、平均停留时长、订单转化率、投放时间、素材类型、广告类型、合作方式、广告尺寸和广告卖点等特征，将渠道分类，找出每类渠道的重点特征，为加下来的业务讨论和数据分析提供支持。

导入分析过程所需类库

导入原始数据

查看数据基本信息

查看数据描述统计

查看数据相关系数

相关系数热力图

接下来是数据处理部分：

删除包含缺失项内容

查看类别变量取值范围

字符串分类热编码处理

数据标准化处理

合并训练数据

建立与训练模型

通过平均轮廓系数检验得到最佳KMeans聚类模型

建立聚类标签合并数据

查看各聚类标签信息

各聚类中心主要特征提取：

图形化输出

数据预处理

雷达图展示

以上就是本次分析所有代码内容，那么通过以上分析能得出怎样的结论呢？欢迎在评论区踊跃发言。