Centrer et mettre à l’échelle les variables

Customer Segmentation in Python

Karolis Urbonas

Head of Data Science, Amazon

Identifier un problème

Analyser les statistiques clés du jeu de données
Comparer moyenne et écart type

datamart_rfm.describe()

Centrer des variables de moyennes différentes

K-means fonctionne bien avec des variables de même moyenne
Centrer consiste à soustraire la moyenne à chaque observation

datamart_centered = datamart_rfm - datamart_rfm.mean()
datamart_centered.describe().round(2)

Mettre à l’échelle des variables de variance différente

K-means est meilleur avec des variables de même variance/écart type
Mettre à l’échelle consiste à diviser par l’écart type de chaque variable

datamart_scaled = datamart_rfm / datamart_rfm.std()
datamart_scaled.describe().round(2)

Combiner centrage et mise à l’échelle

Soustraire la moyenne et diviser par l’écart type manuellement
Ou utiliser un scaler de la bibliothèque scikit-learn (retourne un objet numpy.ndarray)

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
scaler.fit(datamart_rfm)
datamart_normalized = scaler.transform(datamart_rfm)

print('mean: ', datamart_normalized.mean(axis=0).round(2))
print('std: ', datamart_normalized.std(axis=0).round(2))

mean:  [-0. -0.  0.]
std:  [1. 1. 1.]

Testez différentes approches par vous-même !

Customer Segmentation in Python