Implementación práctica del clustering k-means

Segmentación de clientes en Python

Karolis Urbonas

Head of Data Science, Amazon

Pasos clave

Preprocesamiento de datos
Elegir el número de clústeres
Ejecutar k-means sobre los datos preprocesados
Analizar los valores RFM medios por clúster

Preprocesamiento de datos

Hemos completado el preprocesamiento y tenemos estos dos objetos:

datamart_rfm
datamart_normalized

import numpy as np
datamart_log = np.log(datamart_rfm)

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
scaler.fit(datamart_log)

datamart_normalized = scaler.transform(datamart_log)

Métodos para definir el número de clústeres

Métodos visuales: criterio del codo
Métodos matemáticos: coeficiente de silueta
Prueba e interpretación

Ejecutar k-means

# Import package
from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters=2, random_state=1)

# Compute k-means clustering on pre-processed data
kmeans.fit(datamart_normalized)

# Extract cluster labels from labels_ attribute
cluster_labels = kmeans.labels_

Análisis de los valores RFM medios por clúster

# Create a cluster label column in the original DataFrame
datamart_rfm_k2 = datamart_rfm.assign(Cluster = cluster_labels)

# Calculate average RFM values and size for each cluster
datamart_rfm_k2.groupby(['Cluster']).agg({
    'Recency': 'mean',
    'Frequency': 'mean',
    'MonetaryValue': ['mean', 'count'],
}).round(0)

Análisis de los valores RFM medios por clúster

Resultado de una solución con 2 clústeres:

¡Vamos a practicar!

Segmentación de clientes en Python