Memusatkan dan menskalakan variabel

Segmentasi Pelanggan dengan Python

Karolis Urbonas

Head of Data Science, Amazon

Mengidentifikasi masalah

Analisis statistik utama dari dataset
Bandingkan mean dan standar deviasi

datamart_rfm.describe()

Memusatkan variabel dengan mean berbeda

K-means bekerja baik pada variabel dengan mean yang sama
Pemusatan: kurangi setiap observasi dengan nilai rata-ratanya

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

Menskalakan variabel dengan varians berbeda

K-means lebih baik pada variabel dengan varians/standar deviasi yang sama
Penskalaan: bagi tiap variabel dengan standar deviasinya

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

Menggabungkan pemusatan dan penskalaan

Kurangi mean dan bagi dengan standar deviasi secara manual
Atau gunakan scaler dari pustaka scikit-learn (mengembalikan objek numpy.ndarray)

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.]

Uji berbagai pendekatan sendiri!

Segmentasi Pelanggan dengan Python