Ув. товарищи, могли бы просветить, пожалуйста:

1) как в реальных кейсах решают задачу кластеризации пользователей? Точнее, как определяют количество кластеров, которое необходимо передать как параметр алгоритма? Просто перебирают?

2) Если есть кусок кода, который что-то делает (скажем, проводит преобразования и далее - стат. тест), и далее этот блок не переиспользуется, то какая практика считается лучше:
а) написать функцию,
б) оставить просто блок кода?

1. таблица пользователь - параметр отправляется в функцию кластеризации
Например. Имя и Возраст. На выходе получаются кластеры. Каждому кластеру соответствует некоторая группа. Так примерно, полагаю

В "реальных кейсах" кластеризацию юзеров вообще очень редко делают.
Её результаты довольно плохо предсказуемы, для продакшна это недопустимо.
В тех кейсах, с которыми я сталкивался, юзеров пытаются сегментировать в ходе разведочного анализа, а потом, если какие-то полезные группы выделились, делают для этих групп внятные метки, и переходят от кластеризации к классификации с осмысленными классами.

А вам зачем понадобилось кластеризацию делать? Число кластеров надо выбирать, ориентируясь на конечную цель)

Есть алгоритмы которые автоматом высчитывают нужное количество кластеров.

Да у меня этот вопрос возник как гипотетический в процессе решения тестового задания

Спасибо за ответы

Почему редко? А для программ лояльности?

Я делал реальную классификацию и сегментацию. Более того, без этого тот бизнес ну никак

Что за биз?

Инвестиционный

Клиентов сегментируете или продукты?

Клиентов сегментировал

Тоже интересует вопрос применимости кластерного анализа.
В контексте, хочу спросить, насколько применим в «реальных кейсах». Кто нибудь пробовал/использовал/как ощущения?

https://github.com/retentioneering/retentioneering-tools

А никак. Нет универсального решения...

есть 2 фрейма df1, df2 (с разной структурой, но есть один общий столбик, пусть там и там он имеет одно и тоже название -"col1"). нужно получить значения в df1 которых нету в df2 по столбику "col1"(разность множеств). можно решать 2я способами: 1. df1.merge(df2,indicator = True, how='left').loc[lambda x : x['_merge']!='both']. 2. 1 строка) df1.merge(df2,indicator = True, how='left') 2 строка) df1 = df1[df1['_merge'] != 'both']
Вопрос: Какой метод работает быстрее? за счет чего быстрее?

Что именно?

метод использования чистого языка, а не фреймворского гмо.

через лямбду?

через простые sql запросы.

не совсем понимаю как? у меня на входе таблицы, sql нету