Centratura e scalatura delle variabili

Customer Segmentation in Python

Karolis Urbonas

Head of Data Science, Amazon

Individuare un problema

Analizza le statistiche chiave del dataset
Confronta media e deviazione standard

datamart_rfm.describe()

Centrare variabili con medie diverse

K-means funziona bene con variabili con la stessa media
Centrare le variabili significa sottrarre la media da ogni osservazione

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

Scalare variabili con varianze diverse

K-means funziona meglio con variabili con stessa varianza/deviazione standard
Scalare le variabili significa dividerle per la loro deviazione standard

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

Combinare centratura e scalatura

Sottrai la media e dividi per la deviazione standard manualmente
Oppure usa uno scaler di scikit-learn (restituisce un oggetto 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.]

Prova da solo diversi approcci!

Customer Segmentation in Python