Elegir el número de clusters

Segmentación de clientes en Python

Karolis Urbonas

Head of Data Science, Amazon

Métodos

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

Método del codo

Representa número de clusters frente al SSE intracluster (SSE): suma de distancias al cuadrado de cada punto a su centro
Identifica un “codo” en el gráfico
Codo: punto que representa un número “óptimo” de clusters

Método del codo

# 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()

Método del codo

El gráfico del criterio del codo:

Método del codo

El gráfico del criterio del codo:

Usar el método del codo

Mejor elegir el punto del codo o el siguiente
Úsalo como guía y prueba varias opciones
Gráfico del codo basado en datamart_rfm

Enfoque experimental: analizar segmentos

Construye clustering en y alrededor de la solución del codo
Analiza sus propiedades: valores RFM medios
Compáralas y elige la que más sentido tenga para el negocio

Enfoque experimental: analizar segmentos

Solución previa de 2 clusters
Solución de 3 clusters sobre el mismo RFM normalizado

¡Vamos a practicar!

Segmentación de clientes en Python