Choisir le nombre de clusters

Customer Segmentation in Python

Karolis Urbonas

Head of Data Science, Amazon

Méthodes

Méthodes visuelles : critère du coude
Méthodes mathématiques : coefficient de silhouette
Expérimentation et interprétation

Méthode du coude

Tracer le nombre de clusters vs la somme des carrés intra-cluster (SSE) — somme des distances au carré de chaque point à son centre de cluster
Identifier un « coude » sur le graphique
Le coude indique un nombre de clusters « optimal »

Méthode du coude

# Import key libraries
from sklearn.cluster import KMeans
import seaborn as sns
from matplotlib import pyplot as plt

# Fit KMeans and calculate SSE for each *k*
sse = {}
for k in range(1, 11):
    kmeans = KMeans(n_clusters=k, random_state=1)
    kmeans.fit(data_normalized)
    sse[k] = kmeans.inertia_ # sum of squared distances to closest cluster center

# Plot SSE for each *k*
plt.title('The Elbow Method')
plt.xlabel('k'); plt.ylabel('SSE')
sns.pointplot(x=list(sse.keys()), y=list(sse.values()))
plt.show()

Méthode du coude

Graphique du critère du coude :

Méthode du coude

Graphique du critère du coude :

Utiliser la méthode du coude

Choisir idéalement le point du coude, ou le suivant
S’en servir de repère et tester plusieurs solutions
Graphique du coude basé sur datamart_rfm

Approche expérimentale : analyser les segments

Créer des clusters autour de la solution au coude
Analyser leurs propriétés : moyennes RFM
Comparer et choisir celle au meilleur sens business

Approche expérimentale : analyser les segments

Ancienne solution à 2 clusters
Solution à 3 clusters sur le même jeu RFM normalisé

Passons à la pratique !

Customer Segmentation in Python