Escolhendo o número de clusters

Segmentação de Clientes em Python

Karolis Urbonas

Head of Data Science, Amazon

Métodos

Métodos visuais: critério do cotovelo
Métodos matemáticos: coeficiente de silhueta
Experimentação e interpretação

Método do cotovelo

Plote o número de clusters vs. SSE (soma dos erros quadráticos intra-cluster) - soma das distâncias quadradas de cada ponto ao centro do cluster
Identifique um “cotovelo” no gráfico
Cotovelo: ponto que representa um número “ótimo” de clusters

Método do cotovelo

# 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 do cotovelo

O gráfico do critério do cotovelo:

Método do cotovelo

O gráfico do critério do cotovelo:

Usando o método do cotovelo

Melhor escolher o ponto do cotovelo ou o seguinte
Use como guia, mas teste várias soluções
Gráfico do cotovelo feito com datamart_rfm

Abordagem experimental - analisar segmentos

Construa clusters no cotovelo e ao redor
Analise as propriedades: médias de RFM
Compare e escolha a que faz mais sentido para o negócio

Abordagem experimental - analisar segmentos

Solução anterior com 2 clusters
Solução com 3 clusters no mesmo RFM normalizado

Vamos praticar!

Segmentação de Clientes em Python