Scelta del numero di cluster

Customer Segmentation in Python

Karolis Urbonas

Head of Data Science, Amazon

Metodi

Metodi visivi: criterio del gomito
Metodi matematici: coefficiente di silhouette
Sperimentazione e interpretazione

Metodo del gomito

Traccia il numero di cluster contro la somma degli errori al quadrato intra-cluster (SSE) - somma delle distanze al quadrato di ogni punto dal centro del proprio cluster
Identifica un “gomito” nel grafico
Gomito: punto che rappresenta un numero “ottimale” di cluster

Metodo del gomito

# 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()

Metodo del gomito

Il grafico del criterio del gomito:

Metodo del gomito

Il grafico del criterio del gomito:

Uso del metodo del gomito

Meglio scegliere il punto del gomito o quello successivo
Usalo come guida, ma testa più soluzioni
Grafico del gomito basato su datamart_rfm

Approccio sperimentale: analizza i segmenti

Crea cluster alla soluzione del gomito e intorno ad essa
Analizza le loro proprietà: valori RFM medi
Confrontali e scegli quello più sensato per il business

Approccio sperimentale: analizza i segmenti

Precedente soluzione a 2 cluster
Soluzione a 3 cluster sullo stesso dataset RFM normalizzato

Troviamo il numero ottimale di cluster!

Customer Segmentation in Python