Değişkenleri merkezleme ve ölçekleme

Python ile Müşteri Segmentasyonu

Karolis Urbonas

Head of Data Science, Amazon

Bir sorunu belirleme

Veri kümesinin temel istatistiklerini analiz edin
Ortalama ve standart sapmayı karşılaştırın

datamart_rfm.describe()

Farklı ortalamalara sahip değişkenleri merkezleme

K-ortalamalar, ortalaması aynı olan değişkenlerde iyi çalışır
Merkezleme, her gözlemden ortalamanın çıkarılmasıyla yapılır

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

Farklı varyanslara sahip değişkenleri ölçekleme

K-ortalamalar, varyans/standart sapması aynı olan değişkenlerde daha iyi çalışır
Ölçekleme, her değişkenin kendi standart sapmasına bölünmesiyle yapılır

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

Merkezleme ve ölçeklemeyi birleştirme

Ortalama çıkarıp standart sapmaya bölerek elle uygulayın
Veya scikit-learn kütüphanesindeki bir ölçekleyiciyi kullanın (numpy.ndarray döndürür)

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.]

Farklı yaklaşımları kendiniz deneyin!

Python ile Müşteri Segmentasyonu